实体
Positive Unlabeled (PU) learning
Positive Unlabeled (PU) learning
PulseAugur coverage of Positive Unlabeled (PU) learning — every cluster mentioning Positive Unlabeled (PU) learning across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
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 2 条
-
新的PUe框架通过有偏数据集增强学习 · 跟踪2个来源
研究人员开发了一个名为PUe的新框架，通过解决现实世界数据集中选择偏差来增强正例-无标签（PU）学习。该框架建立在Bekker等人先前的工作基础上，引入了归一化的逆概率加权PU风险公式，并与现代成本敏感方法集成。在MNIST、CIFAR-10和ADNI等数据集上的实验表明，在标签分布不均时，PUe的表现优于现有的PU基线。
-
新的SPUNA框架使用更弱的监督来检测协变量偏移
研究人员开发了一个名为光谱PU邻域标注（SPUNA）的新框架，用于检测计算机视觉系统中的协变量偏移。这种几何感知方法使用正负样本（PU）学习，比传统方法需要更弱的监督。SPUNA利用视觉特征的局部流形结构来逐步识别偏移数据，取得了最先进的性能，并可媲美完全监督的方法。