跳到正文
热点事件观察中

研究者提出Ψ-Resilience无模型特征重要性方法

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Fabian Galis 等作者提出一种名为 Ψ-Resilience 的无模型特征重要性方法,直接依据数据本身生成解释,不依赖已训练的模型。 该方法先估计类条件密度,沿特征轴取逐点绝对差,构建类分歧景观;再对这一维信号做 0 维持续同调,定义韧性泛函,聚合在用户设定稳健尺度内幸存的拓扑特征。相关论文发布于 arXiv cs.LG。

AI 根据报道生成 · 14 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月5日
  1. arXiv cs.LG
    Ψ-Resilience:基于一维拓扑信号的无模型特征重要性方法

    Ψ-Resilience 是一种无模型特征重要性方法,通过估计类条件密度并沿特征轴取逐点绝对差构建类分歧景观,再用该一维信号的 0 维持续同调定义韧性泛函,聚合在用户设定稳健尺度内幸存的拓扑特征。

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。