实体
UCI repository
UCI repository
PulseAugur coverage of UCI repository — every cluster mentioning UCI repository across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
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
-
新方法提高了随机神经网络的性能
研究人员开发了一种名为残差引导随机神经网络的新方法，以提高随机神经网络的性能。该技术通过迭代添加随机候选单元并根据残差下降标准选择最佳单元来解决次优特征构建的问题。在71个UCI存储库数据集上的实验表明，该方法在准确性和稳定性方面始终优于标准的随机神经网络。
-
研究论文对比了成本敏感型和成本无关型机器学习损失函数
一篇新的研究论文探讨了在模型容量有限的情况下，成本敏感型损失函数为何能在机器学习中优于成本无关型损失函数的理论基础。该研究建立了在使用成本无关型目标进行后处理的模型与直接使用成本敏感型目标进行训练的模型之间的性能差距。当特定任务的最优决策边界与从成本无关方法得出的假设不一致时，就会出现这种差距，这种情况在 UCI 存储库的分类数据集上得到了证明，尤其是在使用简单模型时。
-
改进型k-means聚类方法提高了高斯数据的准确性
研究人员开发了一种新的k-means聚类算法，通过同时纳入簇内距离（WCD）和簇间距离（ICD）指标来提高准确性。这种新方法旨在提供更稳健的聚类分析，尤其适用于高斯数据。在UCI存储库的合成数据集和基准数据集上进行的实验表明，该算法提高了数据向簇的收敛性，并且与传统的k-means方法相比，在正确识别和放置异常值方面更有效。