实体
Neyman--Pearson
Neyman--Pearson
PulseAugur coverage of Neyman--Pearson — every cluster mentioning Neyman--Pearson across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新方法通过数据中心电源波动检测 AI 训练
研究人员开发了一种新颖的方法，使用维特比跟踪来检测数据中心功耗数据中的大型 AI 模型训练运行。该技术分析功耗节奏的细微变化，在针对已声明的推理工作负载时，检测率达到 96%，误报率为 1%。虽然一些对抗性策略可以部分隐藏训练，但该方法在较长时间内仍然有效，并使隐藏训练在计算上变得昂贵，这表明电源计量是无需操作员信任即可进行计算验证的可行工具。
-
新的统计方法提高了 Neyman-Pearson 分类的准确性控制
研究人员开发了新的统计学习程序，以提高 Neyman-Pearson 分类中的准确性控制。该方法特别适用于疾病筛查和诊断等应用，在这些应用中，优先考虑一个类别同时约束其准确性至关重要。所提出的技术解决了现有方法的有限样本限制，旨在提供对准确性水平更可靠的控制。
-
新的统计方法NCCS改进了AI候选者选择
提出了一种名为Null-Calibrated Conformal Selection (NCCS) 的新统计方法，旨在提高具有特定响应特征的测试候选者的识别能力，同时控制错误发现率。与通常使用面向预测的分数的方法不同，NCCS利用目标成员概率作为选择的自然分数。这种方法特别有利于简单的均值单调情况之外的复杂目标，例如区间值或方差驱动的目标，在这些情况下传统分数可能不匹配。实验表明，NCCS提供了有限样本有效零p值，并能提高非均值单调目…