Classifiers

Class-Incremental Learning with Generative Classifiers(CVPR2021W)

前置知识：VAE（可以参考https://zhuanlan.zhihu.com/p/348498294） Motivation 之前的方法通常使用判别式分类器，对条件分布\(p(y|\textbf{x})\)进行建模（classifier+softmax+ce）。其问题在于分类器会偏向最新学的类别， ......

Class-Incremental Incremental Classifiers Generative Learning更新时间 2023-12-07

为什么我们需要不断的开发不同的机器学习模型 —— Do we Need Hundreds of Classifiers to Solve Real World Classification Problems?

论文：《Do we Need Hundreds of Classifiers to Solve Real World Classification Problems?》论文地址： https://jmlr.org/papers/volume15/delgado14a/delgado14a.pdf ......

Classification Classifiers Hundreds Problems 模型更新时间 2023-10-12

论文解读（TAT）《 Transferable Adversarial Training: A General Approach to Adapting Deep Classifiers》

Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息论文标题：Transferable Adversarial Training: A General Approach to Adapting Deep Classifiers论文作者：Hong Liu, Mingsh ......

Transferable Adversarial Classifiers Adapting Approach更新时间 2023-08-12

Paper Reading: Ensemble of Classifiers based on Multiobjective Genetic Sampling for Imbalanced Data

大多数处理不平衡学习的技术都是针对二分类问题提出的，这些方法并不一定适用于不平衡的多分类任务。针对这些问题，本文提出了一种新的自适应方法——基于多目标遗传抽样的分类器集成(E-MOSAIC)。E-MOSAIC 将训练数据集中提取的样本编码为个体进行进化，通过多目标优化过程搜索能够在所有类别中产生具有... ......

Multiobjective Classifiers Imbalanced Ensemble Sampling更新时间 2023-07-09

Paper Reading: forgeNet a graph deep neural network model using tree-based ensemble classifiers for feature graph construction

graph construction classifiers tree-based forgeNet更新时间 2023-05-23