Pearson product-moment correlation coefficient
PulseAugur coverage of Pearson product-moment correlation coefficient — every cluster mentioning Pearson product-moment correlation coefficient across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
新的BARS方法显著减少了网络入侵检测中的误报
研究人员开发了一种名为良性锚定排序和选择（BARS）的新方法，用于减少网络入侵检测系统（NIDS）中的误报。BARS是一种两阶段过滤器，它通过使用良性流量类别作为稳定锚点，而不是可能被不平衡数据扭曲的全局均值，从而改进了现有的类不对称过滤器。这种方法显著降低了误报率，尤其是在攻击流量较多的环境中，同时保持了真阳性率和整体性能。BARS设计高效，内存占用少，评分时间为线性，适合资源受限的NIDS部署。
-
新的FedCVESA攻击窃取联邦学习模型中的私有数据
研究人员开发了FedCVESA，一种在联邦学习环境中进行“窃取训练数据”（TATD）攻击的新颖方法。这种白盒攻击针对特定客户端，将私有训练数据编码到模型参数（称为载体参数）中。为了对抗联邦学习中标准服务器聚合过程中发生的覆盖问题，FedCVESA采用了分段聚合，保留了这些关键的载体参数，同时允许其余参数进行正常平均。在MNIST和CIFAR-10等数据集上的实验表明，即使在非独立同分布（non-IID）数据分布下，FedCVESA也能…
-
合成立体数据揭示隐藏的相关性捷径
研究人员发现，通过路径追踪生成的合成立体数据中存在一个先前未被认识到的特性。他们发现，虽然来自两个摄像机的噪声流是独立的，但在通过地面真实视差对齐后，底层方差场高度相关。在多个场景中测得的这种相关性约为 0.754，在朗伯区域最强，在玻璃表面较弱。一项旨在打破这种跨视图对齐的干预措施导致关键指标的性能下降，这表明这种相关性充当了匹配线索，并可能成为训练流水线中的模拟到真实捷径。
-
DiffusionBench 基准和 NanoGen 框架挑战图像生成评估
研究人员推出了 DiffusionBench，这是一个旨在全面评估用于图像生成的扩散 Transformer (DiTs) 的新基准。该基准强调，目前主要关注 ImageNet 上类别条件生成的评估方法，与文本到图像生成任务的性能相关性不佳。为了促进这种更广泛的评估，他们还开发了 NanoGen，这是一个用于训练和评估 DiTs 的统一框架，使得文本到图像生成在计算上可与基于 ImageNet 的评估相媲美。研究结果表明，在 Imag…
-
新研究探索用于符号回归的遗传编程 · 已追踪 2 个来源
两篇最新的 arXiv 论文探讨了用于符号回归 (SR) 的遗传编程 (GP)。一项研究“Evaluation of Population Initialization Methods for Genetic Programming-based Symbolic Regression”发现，包括使用优化解决方案作为种子的方法在内的不同随机初始化方法，在 GP-based SR 的准确性或模型复杂度方面没有显著差异。另一篇论文“Evol…
-
新度量评估自动驾驶安全所需的事件相机数据
研究人员开发了一种新的无任务度量，用于评估事件相机数据流的完整性，这对于自动驾驶系统中的安全关键感知至关重要。该度量基于皮尔逊相关系数，无需下游任务性能数据即可直接应用于异步事件流。所提出的框架产生了三个用于流完整性监控、感兴趣区域自适应选择和时间冗余门控的特定度量，解决了近期基准测试中发现的差距。
-
神经ODE学习量子多体动力学，指导闭合方案开发
研究人员开发了一种神经常微分方程（ODE）模型，能够模拟量子多体系统的动力学。该模型在精确的二粒子约化密度矩阵（2RDM）数据上进行训练，可以在没有显式三粒子信息的情况下复制系统演化。然而，其精度仅限于特定参数区域，在这些区域中二粒子和三粒子累积量之间的相关性很强，这表明在其他区域需要依赖记忆的核。