实体
Selective Classification for Improved Robustness of Myoelectric Control Under Nonideal Conditions
Selective Classification for Improved Robustness of Myoelectric Control Under Nonideal Conditions
PulseAugur coverage of Selective Classification for Improved Robustness of Myoelectric Control Under Nonideal Conditions — every cluster mentioning Selective Classification for Improved Robustness of Myoelectric Control Under Nonideal Conditions across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
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
-
新方法估计标签噪声转移矩阵并提供性能保证
研究人员开发了一种新的标签噪声转移矩阵估计方法，这是在标记不准确的数据上训练的机器学习模型的关键组成部分。这种新颖的方法利用单边选择性分类，无需复杂的类后验估计即可提供有限样本性能保证。该方法专为二元分类任务设计，并包含具有改进性能界限的算法。
-
新理论优化选择性假设检验，最大限度地减少犹豫不决
一篇新的arXiv论文介绍了一个选择性假设检验的理论框架，旨在最大限度地减少犹豫不决，同时实现低于贝叶斯误差率的目标精度。该研究表征了选择性分类中的最优风险，并展示了犹豫不决选择的连续性和单调性。所提出的方法应用于Neyman-Pearson检验框架内，在固定第一类错误概率的情况下允许控制第二类错误，实验表明在高斯混合模型和真实世界数据集中的选择性精度有所提高。