跳到主要内容
检索

École Polytechnique Fédérale de Lausanne

2 篇关联报道

订阅更新
  1. arXiv

    只看输出差距不够:把特征归因差异一并约束,六组医学影像公平性权衡全部改善

    医学影像分类的公平性通常只约束输出层面的组间差距,但线性分类头下,输出分数差等于各特征归因差的带符号求和,正负贡献可以相互抵消,使输出看似公平。研究在三种等化几率代理目标上各加入同一项归因差异惩罚,在HAM10000性别公平与Harvard-GF种族公平两个任务上,六组配对的超体积比较全部为正,相对增益1.49%至10.57%。在预设效用约束下,增强后的模型族等化几率差降低9.0%至38.7%,归因差异与抵消比同时下降。

  2. researchsquare.com

    传感器网络不再只猜自己:先认出同状态邻居,再让每个节点复原全网状态

    异构传感网络里的节点过去只能推断自身状态,或依赖中心处理器汇总全网测量。现在一种名为簇感知社会学习的去中心化方法让每个节点先用本地观测和邻居交换找出共享同一隐藏状态的连通簇,再为每个簇维护一个信念并映射回各节点,从而在只交换簇级信息的前提下复原全网状态配置。合成高斯实验与真实气体传感器数据都显示,簇结构冻结后各节点对每个簇真实状态的信念趋近于一。

已读完全部报道