热点事件持续更新

机器遗忘用于参与度识别数据清洗

1 篇报道1 个报道来源9 小时前更新

先了解这件事

AI 综述

一项研究提出把“主体级机器遗忘”用作参与度识别的后处理净化手段：在已训练好的模型上，先排序出有害主体，再做轻量近似遗忘更新，无需完整重训。在 DAiSEE 和 EngageNet 两个数据集上，以 TCCT-Net 为固定平台、遗忘集规模 K=3 时，该方法分别恢复了 oracle 增益的 92.5% 和 89.3%，成本约为重训的四分之一。研究称效果在中等遗忘集规模时最强，并依赖主体选择质量与移除机制。

AI 根据报道生成 · 8 小时前更新

最新进展10月7日 12:00

面向噪声参与度识别的机器遗忘：按主体移除有害数据

报道时间线

沿着报道，了解事件的不同侧面。

10月7日

12:00
arXiv cs.CV
面向噪声参与度识别的机器遗忘：按主体移除有害数据
研究将主体级机器遗忘用作参与度识别的后处理净化机制：在已训练模型上排序有害主体并做轻量近似遗忘更新，无需完整重训。在 DAiSEE 和 EngageNet 上以 TCCT-Net 为固定平台，K=3 遗忘集设置下分别恢复 oracle 增益的 92.5% 和 89.3%，成本约为重训的四分之一。效果在中等遗忘集规模时最强，依赖主体选择质量与移除机制。

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。