YongKyung Oh
PulseAugur coverage of YongKyung Oh — every cluster mentioning YongKyung Oh across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新指南改进健康调查数据的机器学习
一项名为“面向调查的机器学习”(SaML)的新指南被提出,旨在解决将机器学习模型应用于复杂健康调查时出现的问题。标准的机器学习实践通常会忽略抽样单位、分层变量和权重等关键的调查设计要素,导致估计偏差和不确定性低估。SaML 提供了一个九步框架,将调查设计元数据整合到从训练到部署的整个机器学习生命周期中。该指南旨在通过总结现有方法和确定未来研究领域,确保从调查数据中获得有效的人口推断。
-
FlowPath方法学习数据驱动的流形用于时间序列分类
研究人员开发了FlowPath,一种用于对非规则采样时间序列数据进行分类的新颖方法。该方法使用可逆神经网络流学习控制路径的数据驱动流形,这与依赖固定插值方案的现有方法不同。FlowPath的可逆约束确保了信息保持转换,从而在18个基准数据集和一项真实案例研究中提高了分类准确性。
-
TANDEM 框架使用神经微分方程处理时间序列中的缺失数据
研究人员推出 TANDEM,一个有效处理缺失数据的时间序列分类新框架。该方法利用注意力引导的神经微分方程来整合原始观测值、插值数据和连续的潜在动态。TANDEM 在 30 个基准数据集和一个医学数据集上的表现优于现有方法,为涉及不完整时间序列的实际应用提供了有价值的工具。
-
AI研究论文批评最先进的声明
一篇新发表在arXiv上的论文认为,当前人工智能和机器学习研究中的最先进声明往往缺乏有力的证据支持。作者分析了十个跨领域基准测试,发现在超过一半的顶级模型比较中,声称的优越性并未在各项任务中得到一致证明,或者是由异常数据集驱动的。他们主张更精确、更诚实地报告基准测试结果,以准确反映证据的强度。