#机器学习
共 94 篇相关文章
带约束的概率数值方法：高斯过程求解线性PDE的新突破
一项新研究证明高斯过程求解器可同时条件化线性等式与不等式约束，用于求解线性PDE。在Poisson方程、期权定价与空气质量场的实验中，约束条件分别降低误差63%、22%和74%，将可接受性从后处理变为条件化信息。
影像组学+共形预测：甲状腺结节良恶性分类新框架
一项基于影像组学的甲状腺结节良恶性分类研究，结合PyRadiomics特征提取、可解释GAM模型与标签条件化共形预测。在TN5000数据集上AUC达0.89，63%病例获确定预测，恶性精确度0.94，模糊病例转交医生，有望降低不必要活检。
真实工程CAD分割基准：规则法与学习法在孔洞检测中的较量
一项针对真实工程CAD分割的新基准研究，通过紧固件孔洞检测任务对比规则法与学习法。规则法无需训练数据且泛化稳健，学习法性能强但对域偏移敏感，揭示数据需求与鲁棒性的核心权衡。
潜在跳跃模型LJM：用事件驱动重构连续时间序列建模
潜在跳跃模型(LJM)用事件驱动的瞬时跳跃重构连续时间序列建模,配合Scan-Parallel变分推断(SPVI)实现对数时间深度训练,比序列基线快一到两个数量级,同时保持预测精度竞争力。
FastCDTW：梯度友好的连续动态时间规整高效近似算法
FastCDTW 是一种高效近似连续动态时间规整（CDTW）的求解方法，通过分段线性闭式解与无偏蒙特卡洛估计两种策略，提供对扭曲函数和输入序列的梯度，GPU 友好，可用于时间序列平均、分类与深度域适应。
BLOKS：用草图块预条件破解核方法的内存瓶颈
BLOKS 是一种基于共轭梯度的 Nyström 草图化核岭回归求解器，通过结合块 Jacobi 近似与草图技术，实现内存开销独立于数据规模和参数数量，在大规模数据集上达到或超越最先进方法的性能。
无模型贝叶斯聚类：从预测视角重构后验不确定性
一项无模型、噪声感知的贝叶斯聚类研究，从预测性贝叶斯视角构造鞅后验，避开显式模型设定与MCMC采样，并用Wasserstein式摘要压缩多模态后验，有效量化聚类与噪声的不确定性。
时序分解加速非线性MPC：可扩展学习型求解器LISCO新突破
一项新研究通过时序分解改进学习型迭代求解器LISCO，使神经网络规模与预测时域解耦，在非线性MPC基准测试中实现最高四倍于IPOPT的提速且零约束违反，为快速动态系统的实时控制提供新方案。
FedPCD：用优先约束破解联邦学习的公平性困局
FedPCD 提出优先约束的联邦优化框架，将全局目标与客户端保护解耦，在异质联邦学习基准上实现最高全局精度、领先的弱势客户端表现和更快收敛，破解联邦学习公平性困局。
机器学习论文越来越"啰嗦"了吗？一场关于学术写作的讨论
机器学习论文是否变得越来越啰嗦？Reddit上一场热议聚焦ML研究篇幅膨胀、口语化写作与框图泛滥等问题，探讨学术写作严谨性与可复现性的张力。
可视化灾难性遗忘：Replay与EWC如何拯救持续学习
通过损失地形可视化直观理解神经网络的灾难性遗忘，对比朴素训练、经验回放Replay与EWC正则化三种持续学习方法在双任务上的实际效果与数据表现。
部分验证下的保形预测：校准成本最高降低82%
一篇 arXiv 新论文提出保形预测的部分验证方法，通过「校准证书」思想在不损失精度的前提下将验证成本降低15%-82%，并返回与完整验证完全相同的预测集，为不确定性量化的大规模部署扫清障碍。
从对数几率到Shapley值：加权朴素贝叶斯的可解释几何
arXiv新论文为加权朴素贝叶斯分类器构建可解释几何框架，证明对数几率诱导的监督距离精确等于解析Shapley值的ℓ1距离，统一了监督距离、局部解释与预测行为三者关系。
JevForest：预算受限下的特征获取路径投票方法解析
JevForest 是一种预算受限下的特征获取策略，通过自助采样树的路径投票、全局信息增益加权和共享掩码分类器实现预测。本文解析其核心机制与在 AG News、TREC、MiniBooNE 上的实验结果，探讨路径投票为何不具备普遍优势。
认知温度计：机器学习如何度量语义复杂性
一篇arXiv新论文提出将机器学习模型视为衡量语义复杂性的"认知温度计"，用更中立的方式度量语义类型学中的概念复杂度，弥合符号逻辑与连接主义AI之间的鸿沟。
模型崩溃并非AI独有：一个古老问题的新面孔
模型崩溃（Model Collapse）被视为生成式AI的重大威胁，但它既非新问题也非AI独有。本文从系统性反馈循环的视角，重新审视模型崩溃的本质及应对思路。
从零理解梯度提升（Gradient Boosting）的核心原理
从零拆解梯度提升（Gradient Boosting）原理：如何用加法建模将复杂函数拆成多个弱学习器之和，通过拟合残差、学习率缩放逐步纠错，附完整 fit 与 predict 实现思路。
视频数据集标注提速：工具、工作流与语音标注新思路
视频数据集标注耗时惊人，45秒片段竟需30分钟。本文梳理预标注、对象跟踪、关键帧插值等提速工作流，并探讨语音标注这一新兴交互方式的潜力与局限，为机器学习数据工程从业者提供实用参考。
