会员服务
再缩放是一个类别不平衡学习的一个基本策略。当训练集中正、反例数据不均等时，令m+表示正例数，m-表示反例数，并且需对预测值进行缩放调整。
Foundation Models Meet Low-Cost Sensors: Test-Time Adaptation for Rescaling Disparity for Zero-Shot Metric Depth Estimation
Arxiv
0+阅读 · 12月18日
Learning from Noisy Labels via Self-Taught On-the-Fly Meta Loss Rescaling
Arxiv
0+阅读 · 12月17日
EP-CFG: Energy-Preserving Classifier-Free Guidance
Arxiv
0+阅读 · 12月13日
A second-order-like optimizer with adaptive gradient scaling for deep learning
Arxiv
0+阅读 · 12月12日
EVQAScore: Efficient Video Question Answering Data Evaluation
Arxiv
0+阅读 · 12月12日
SwiftEdit: Lightning Fast Text-Guided Image Editing via One-Step Diffusion
Arxiv
0+阅读 · 12月5日
Text-to-SQL Calibration: No Need to Ask -- Just Rescale Model Probabilities
Arxiv
0+阅读 · 11月23日
One-step Generative Diffusion for Realistic Extreme Image Rescaling
Arxiv
0+阅读 · 11月19日
Understanding Learning with Sliced-Wasserstein Requires Rethinking Informative Slices
Arxiv
0+阅读 · 11月16日
EVQAScore: Efficient Video Question Answering Data Evaluation
Arxiv
0+阅读 · 11月11日
Functional Limit Theorems for Hawkes Processes
Arxiv
0+阅读 · 11月1日
About rescaling, discretisation and linearisation of $\mathtt{RNN}$
Arxiv
0+阅读 · 10月17日
Inverse renormalization group of spin glasses
Arxiv
0+阅读 · 10月29日
Thermal Chameleon: Task-Adaptive Tone-mapping for Radiometric Thermal-Infrared images
Arxiv
0+阅读 · 10月24日
Spectrum-Aware Debiasing: A Modern Inference Framework with Applications to Principal Components Regression
Arxiv
0+阅读 · 10月4日
参考链接
微信扫码咨询专知VIP会员
Top