اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديدعندما تكون موضع شك: تحسين أداء التصنيف مع التطبيع بالتناوب
When in Doubt: Improving Classification Performance with Alternating Normalization
543
0 0
0.0
(
0
)
نشر من قبل
جمعية اللغويات الحاسوبية ACL مقالة
تاريخ النشر
2021
مجال البحث
الذكاء الاصناعي
والبحث باللغة
English
تمت اﻹضافة من قبل
Shamra Editor
اسأل ChatGPT حول البحث
نقدم تصنيف التصنيف بتطبيع بالتناوب (CAN)، خطوة غير معالجة غير رسمية للتصنيف.يمكن أن يحسن دقة التصنيف للأمثلة الصعبة من خلال إعادة ضبط توزيع احتمالية الفئة المتوقعة باستخدام توزيعات الطبقة المتوقعة لأمثلة التحقق من الثقة عالية الثقة.يمكن أن ينطبق بسهولة على أي مصنف الاحتمالية، مع الحد الأدنى من الحساب النفقات العامة.نقوم بتحليل خصائص يمكن استخدام تجارب محاكاة، وإظهار تجريبيا فعاليتها عبر مجموعة متنوعة من مهام التصنيف.
We introduce Classification with Alternating Normalization (CAN), a non-parametric post-processing step for classification. CAN improves classification accuracy for challenging examples by re-adjusting their predicted class probability distribution using the predicted class distributions of high-confidence validation examples. CAN is easily applicable to any probabilistic classifier, with minimal computation overhead. We analyze the properties of CAN using simulated experiments, and empirically demonstrate its effectiveness across a diverse set of classification tasks.
المراجع المستخدمة
https://aclanthology.org/
قيم البحث
اقرأ أيضاً
UDIFY هو محلل التبعية اللاإرائي لغرفة التبعية اللغوية التي يتم تدريبها على كوربوس متعدد الألوان من 75 لغة.يتيح هذا النمذجة متعددة اللغات النموذج من التعميم على اللغات غير المعروفة / الأقل شهرة، مما يؤدي إلى تحسين الأداء على لغات الموارد المنخفضة.في ه
ذا العمل، استخدمنا المعرفة النموذجية اللغوية المتاحة في قاعدة بيانات أوريل، لتحسين قدرة النقل المتبقية من udify أكثر من ذلك.
أصبح التحويل التعلم بناء على نماذج لغة المحترفين على كمية كبيرة من البيانات الخام نموذجا جديدا للوصول إلى الأداء الحديث في NLP. ومع ذلك، لا يزال من غير الواضح كيف ينبغي تطبيق هذا النهج لغات غير مرئية غير مشمولة بأي نموذج لغوي متعدد اللغات واسعة ناتجا
، والذي يتم توفير كمية صغيرة فقط من البيانات الخام فقط. في هذا العمل، من خلال مقارنة النماذج متعددة اللغات وأنتغوية، نوضح أن هذه النماذج تتصرف بطرق متعددة على اللغات غير المرئية. تستفيد بعض اللغات بشكل كبير من تعلم التعلم والتصرف بالمثل إلى لغات موارد عالية مرتبطة ارتباطا وثيقا في حين أن الآخرين على ما يبدو لا. التركيز على الأخير، نظرا لأن هذا الفشل في النقل يرتبط إلى حد كبير بتأثير البرنامج النصي المستخدم لكتابة هذه اللغات. نظهر أن ترجمة هذه اللغات تعمل بشكل كبير على تحسين إمكانات نماذج اللغة متعددة اللغات على نطاق واسع في مهام المصب. توفر هذه النتيجة اتجاها واعدا نحو جعل هذه النماذج متعددة اللغات بشكل كبير مفيدة لمجموعة جديدة من اللغات غير المرئية.
نقدم الدخول الفائز إلى مهمة مشتركة من التطبيع المعجمي متعدد اللغات (Multilexnorm) في W-Nut 2021 (Van Der Goot et al.، 2021A)، والتي تقيم أنظمة التطبيع المعجمي في 12 مجموعة بيانات وسائل التواصل الاجتماعي في 11 لغة.نقوم بتأسيس حلنا على نموذج لغة بايت م
دروس مسبقا، BYT5 (Xue et al.، 2021A)، والتي ندرجها مسبقا على البيانات الاصطناعية ثم تناغم بشكل جيد على بيانات التطبيع الأصيل.يحقق نظامنا أفضل أداء بهامش واسع في التقييم الجوهري، وأيضا أفضل أداء في التقييم الخارجي من خلال تحليل التبعية.يتم إصدار شفرة المصدر في https://github.com/ufal/multilexnorm2021 والنماذج الدقيقة في https://huggingface.co/ufal.
تهتم الرؤية الدرجية بدراسة المضلعات المتعامدة، ومن أهم المواضيع التي دُرست هو تعيين نواة المجموعة النجمية درجياً، فقد توصل الباحث تورانزوس إلى نتيجة هامة جداً في تعيين نواة المجموعة النجمية في حالة الرؤية العادية. ثم أثبتت الباحثة مارلين برين صحة نظر
يّة مرادفة لهذه النتيجة في حالة الرؤية الدرجية، كما تمكنت من إيجاد طريقة لتعين نواة المضلع المتعامد النجمي درجياً عندما يكون المضلع المتعامد بسيط الترابط.
يهدف البحث إلى تعميم الطريقة السابقة عندما يكون المضلع المتعامد ثنائي الترابط والمركبة المحدودة للمتممة مستطيلاً حيث سنثبت صحة النتيجة الآتية:
لتكن ، مضلعاً متعامداً مغلقاً ثنائي الترابط، حيث إنّ المجموعة نجمية درجياً، عندئذ إذا كانت جبهة المركبة المحدودة B للمجموعة مستطيلاً فإن نواة تتألف من مركبة أو مركبتين أو أربع مركبات.
يعتبر ترميز الشبكة أحد الأبحاث الهامة في مجال الشبكات اللاسلكية متعددة القفزات، و يساهم إلى حد كبير في تحسين أداء هذه الشبكات، إذيستفيد من الطبيعة الإذاعية لعمليات الإرسال في هذه الشبكات لإرسال أكثر من رزمة في إرسال إذاعي واحد، لذا فإنه يحقق استفادة
مضاعفة من عرض الحزمة المتوفر، مما يزيد من مردود الشبكة و يقلل من الازدحام. هدفنا في هذا البحث هو التحقق من التحسين الذي يقدمه ترميز الشبكة لأداء شبكات Ad Hoc اللاسلكية متعددة القفزات، و كذلك دراسة تسريع عملية البحث عن فرص الترميز من خلال بناء أرتال افتراضية بحسب مسارات الرزم التي تمر عبر العقد، و تطبيق طريقة فعالة لإدارة هذه الأرتال.
الأسئلة المقترحة
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
