研究者提出EIAD-C2ST不平衡双样本检验框架

Guanhao Zhou 与 Xiufan Yu 提出 EIAD-C2ST，一种分类器无关的深度双样本检验框架，用于严重样本失衡下复杂数据（如图结构）的分布比较。该框架把多数类样本的盈余转化为重复检验证据，而非训练中的干扰，并为计算昂贵的深度分类器设计了可扩展的表示摊销实现。 作者称，该方法在理论上给出渐近 size 保证，并在失衡比可发散时给出 power 一致性条件。模拟实验与区块链取证应用显示，合理利用多数类样本盈余可提升分布比较的检验效果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。