跳到正文
热点事件持续更新

研究提出污染样本分布学习方法 CC-MMD

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

Nevena Gligić 和 Arya Farahi 提出污染校正最大均值差异方法（CC-MMD），利用代理评分和少量经过审计的样本残差校正，从混合污染数据中估计干净目标分布的真实差异度量。该方法旨在解决部分样本受到污染、无法直接获得真实数据分布时的学习问题。 CC-MMD 不要求代理评分经过校准，也不对污染数据的分布结构作额外假设，仅需满足标准核正则条件。研究从理论上证明了校正核求和的有限总体设计无偏性，并验证了方法的渐近正态性和一致性。实验显示，该方法能够改善污染回归中的参数恢复与预测表现，并帮助生成模型从严重污染的数据混合中恢复目标干净分布。

AI 根据报道生成 · 2 小时前更新

最新进展11月2日 13:00
基于污染样本的设计鲁棒分布学习方法

报道时间线

沿着报道，了解事件的不同侧面。

11月2日
  1. arXiv · Machine Learning
    基于污染样本的设计鲁棒分布学习方法

    研究提出污染校正最大均值差异（CC-MMD）方法，通过结合代理评分与少量审计样本的残差校正，从混合污染数据中恢复目标分布的真实差异度量。理论上证明了校正核求和的有限总体设计无偏性，并验证其渐近正态性与一致性。实验表明，CC-MMD 能改善污染回归中的参数恢复和预测，并帮助生成模型从严重污染的数据混合中恢复干净的目标分布。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。