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.
4 天有情绪数据
-
AI 模型使用多样化的临床数据和 SHAP 估计生物年龄
研究人员开发了一种新颖的机器学习框架，使用 CatBoost 回归模型和 SHAP 进行可解释性来估计生物年龄。该模型在美国国家健康与营养调查的大型数据集上进行了训练，整合了包括人口统计学、实验室检查、体格检查和生活方式预测因素在内的多种特征。该框架引入了一种自动化程序，用于量化 SHAP 依赖性图中的特征贡献，超越了视觉检查，提供了可重现的量化指标。该模型证明了估计生物年龄与实际年龄之间存在很强的相关性，并且人口水平的 SHAP 分…
-
新 arXiv 研究将 AI 模型注意力与人类注视进行比较
一篇新发表在 arXiv 上的研究论文分析了 CNN、Mamba 和 ViT 架构的注意力机制，并使用眼动追踪数据将其关注区域与人类视觉感知进行比较。该研究使用 Jensen-Shannon 相似度和 Pearson 相关性等指标量化了这种对齐程度。研究结果表明，CNN 的关注范围更广，ViT 专注于细微细节，而 Mamba 则表现出任务特定的偏见，在医学影像中表现良好，但在自然图像分析中存在差异。
-
新的fMRI基础模型CoFlu-Brain展示出强大的迁移学习能力
研究人员开发了CoFlu-Brain，一种用于功能性磁共振成像（fMRI）数据的新型基础模型。与使用单一相关矩阵的传统方法不同，CoFlu-Brain将逐帧共波动观测组织成多个视图，以捕捉更细微的区域交互作用。该模型在来自13,444名受试者的数据上进行了预训练，并在包括人口统计学、发育和临床分类在内的各种预测任务中展示了强大的迁移学习能力，其表现优于现有模型。
-
数据科学相似性指标解析：从Netflix到欺诈检测
本文探讨了数据科学应用中至关重要的各种相似性度量和指标。文章解释了为何需要这些指标，并提供了示例，如Netflix的推荐、Goldman Sachs等金融机构的欺诈检测以及零售企业的客户细分。该帖子还触及了搜索引擎如何使用这些指标对相关文档进行排名，并讨论了欧几里得距离、曼哈顿距离和余弦相似度等不同距离指标的可用性。
-
新方法以高达84.3%的准确率识别数据中的因果方向性
研究人员开发了两种新方法，预期不对称几何（AAG）和单调性指数（MI），用于识别二元数值数据中的因果方向性。AAG方法通过比较实际条件分布与使用皮尔逊相关性和K-L散度等各种度量指标的预期分布，表现出卓越的性能。在对现实世界示例的测试中，AAG的准确率高达84.3%，优于GRCI和CAREFL-H等其他方法。
-
新的强化学习方法提高了交通流量预测的准确性
研究人员开发了一种名为LFPG-RL的新方法，该方法使用强化学习来提高动态起讫（OD）矩阵估计的准确性和效率。该方法将链接流传播引导集成到近端策略优化中，以更好地处理不断变化的交通网络条件和随机结果。在墨尔本动脉交通网络上进行的测试表明，LFPG-RL的均方根误差为4.69，皮尔逊相关系数为0.995，表现优于现有方法。
-
AI框架改进了来自fMRI数据的跨站点MDD识别
研究人员开发了一种新颖的框架，用于从不同站点的静息态功能磁共振成像（rs-fMRI）数据中识别重度抑郁症（MDD）。该方法通过联合建模多个图表示来解决跨站点分布偏移和异构功能连接视图带来的挑战。该框架利用视图特定的图注意力网络、双流自适应融合和双曲残差编码进行表示细化，在七个未标记的目标域上实现了73.60%的平均准确率和71.90%的AUC。
-
新的AI模型评估表现力MIDI钢琴演奏，发布开源库
研究人员开发了一种新的方法来评估表现力MIDI钢琴演奏，通过集成来自自监督符号音乐模型（如Aria和CLaMP3）的上下文嵌入。该方法通过考虑音符间的依赖关系和感知特性，解决了传统基于属性指标的局限性。研究发现，这些模型可以作为有效感知代理，与人类评分一致。此外，还发布了一个名为Pereval的开源库，以支持可复现性并集成各种演奏评估工具，包括属性范围和深度特征指标。
-
新的HistoGPA框架可从组织学图像预测空间基因表达
研究人员开发了HistoGPA，一个新颖的框架，旨在从组织学图像预测空间基因表达。该方法基于组织上下文对基因先验进行条件化，通过将局部形态学和基因嵌入适应到更广泛的切片上下文，从而实现更准确的预测。在HEST-1k数据集的十种癌症类型中，HistoGPA均表现出卓越的性能，实现了最高的宏平均基因相关性系数，并能更好地恢复与癌症相关的基因表达模式。
-
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。