作者小头像 Lv.6
更多个人资料
3409 成长值
2 关注
3 粉丝
+ 关注 私信

个人介绍

这个人很懒，什么都没有留下

感兴趣或擅长的领域

自动化运维、大数据、数据库
个人勋章
TA还没获得勋章~
成长雷达
3365
24
0
0
20

个人资料

个人介绍

这个人很懒，什么都没有留下

感兴趣或擅长的领域

自动化运维、大数据、数据库

达成规则

以上满足项可达成此勋章

  • 博客
  • 关注
  • 粉丝
  • 论坛
全部时间
全部时间
最近三天
最近一周
最近一月
  • 全部
  • 暂无专栏分类
分布外检测的Score-Based方法：能量函数与似然比的校准理论
分布外检测的Score-Based方法：能量函数与似然比的校准理论 引言：分布外检测的现实挑战与理论演进在现实世界的机器学习部署中，一个长期存在的挑战是模型在面对与训练数据分布不同的样本时的行为不可预测性。这种分布外（Out-of-Distribution, OOD）检测问题在安全关键领域如医疗诊断、自动驾驶和金融风控中尤为重要。传统的基于softmax置信度的方法已被证明在OOD检测上存...
机器学习
作者小头像 江南清风起 2025-12-03 09:52:22
5
0
0
2025-12-03 09:52:22
5
0
0
神经辐射场(NeRF)的逆渲染：可识别性与非凸优化landscape
神经辐射场(NeRF)的逆渲染：可识别性与非凸优化landscape 引言：NeRF与逆渲染的交叉领域神经辐射场（Neural Radiance Fields, NeRF）自2020年提出以来，已成为三维场景表示与视图合成的革命性技术。其核心思想是使用多层感知机（MLP）将三维坐标和观察方向映射为体积密度和颜色值。然而，逆渲染（Inverse Rendering）视角下的NeRF提出了更深...
机器学习 渲染 神经网络
作者小头像 江南清风起 2025-12-02 17:55:20
23
0
0
2025-12-02 17:55:20
23
0
0
可解释AI的公理化方法：Shapley值与交互指数的公理冲突
可解释AI的公理化方法：Shapley值与交互指数的公理冲突 引言：可解释AI的数学基础危机在人工智能决策日益影响人类生活的今天，模型可解释性已从"锦上添花"变为"不可或缺"。然而，当前最流行的Shapley值解释方法正面临深刻的数学危机——其核心公理体系内部存在不可调和的冲突。研究表明，超过60%的工业级AI应用在使用Shapley值进行特征归因时，遭遇了交互效应导致的解释不一致问题。本...
机器学习
作者小头像 江南清风起 2025-11-30 16:29:06
62
0
0
2025-11-30 16:29:06
62
0
0
可解释AI的公理化方法：Shapley值与交互指数的公理冲突
可解释AI的公理化方法：Shapley值与交互指数的公理冲突 引言：可解释AI的数学基础危机在人工智能决策日益影响人类生活的今天，模型可解释性已从"锦上添花"变为"不可或缺"。然而，当前最流行的Shapley值解释方法正面临深刻的数学危机——其核心公理体系内部存在不可调和的冲突。研究表明，超过60%的工业级AI应用在使用Shapley值进行特征归因时，遭遇了交互效应导致的解释不一致问题。本...
机器学习
作者小头像 江南清风起 2025-11-30 16:28:15
60
0
0
2025-11-30 16:28:15
60
0
0
社会选择理论视角下的AI对齐：投票规则的不可能性定理
社会选择理论视角下的AI对齐：投票规则的不可能性定理 引言：当AI遇见集体决策在人工智能系统日益渗透我们生活的今天，AI对齐问题——即如何确保AI系统的目标与人类价值观保持一致——已成为该领域最紧迫的挑战之一。传统方法往往将人类价值观视为单一、一致的整体，但现实是，人类社会由无数个体组成，每个人的价值观和偏好各不相同。这就引出了一个深刻的问题：当AI需要服务多个人类时，它应该如何权衡不同个...
作者小头像 江南清风起 2025-11-29 08:56:43
53
0
0
2025-11-29 08:56:43
53
0
0
自动化神经架构搜索的可微分采样器收敛性分析
自动化神经架构搜索的可微分采样器收敛性分析 引言神经架构搜索(NAS)作为自动化机器学习的重要分支，近年来在深度学习领域引起了广泛关注。在众多NAS方法中，可微分架构搜索(DARTS)因其高效性而备受推崇。然而，DARTS方法的核心组件——可微分采样器的收敛性问题，一直是影响其性能稳定性的关键因素。本文将深入探讨可微分采样器的收敛性理论，并通过详细的代码实例展示如何实现和优化这一关键组件。...
作者小头像 江南清风起 2025-11-27 10:05:17
99
0
0
2025-11-27 10:05:17
99
0
0
深度强化学习的离线策略评估：重要性采样与双重机器学习
深度强化学习的离线策略评估：重要性采样与双重机器学习 引言在强化学习（RL）中，策略评估是核心任务之一。传统方法依赖在线交互，这在许多现实场景（如医疗、金融、自动驾驶）中成本高昂甚至不可行。离线策略评估（Off-Policy Evaluation, OPE）应运而生，它利用历史数据评估新策略，无需额外交互。本文将深入探讨两种前沿方法：重要性采样（Importance Sampling, I...
机器学习
作者小头像 江南清风起 2025-11-25 16:03:03
124
0
0
2025-11-25 16:03:03
124
0
0
元学习中任务分布偏移的PAC-Bayesian泛化界
元学习中任务分布偏移的PAC-Bayesian泛化界 引言元学习作为机器学习领域的重要分支，旨在使模型能够从少量样本中快速学习新任务，其核心挑战之一便是如何在任务分布发生偏移时保持强泛化能力。传统机器学习理论主要关注数据分布固定情况下的泛化分析，而元学习环境下面临的任务分布偏移问题则需要更深入的理论框架。PAC-Bayesian理论为这一问题提供了有力的数学工具，通过结合概率先验与后验分析...
机器学习
作者小头像 江南清风起 2025-11-24 21:49:44
119
0
0
2025-11-24 21:49:44
119
0
0
鲁棒性认证：随机平滑的ℓ₁/ℓ₂认证半径精确分析
鲁棒性认证：随机平滑的ℓ₁/ℓ₂认证半径精确分析对抗样本的存在犹如深度学习领域的"暗物质"，揭示了模型决策边界中隐藏的脆弱性。面对这一挑战，随机平滑技术脱颖而出，成为首个能够为大规模深度学习模型提供可证明鲁棒性保证的实用方法。然而，传统的随机平滑分析主要集中于ℓ₂范数威胁模型，在现实世界中更为常见的ℓ₁威胁（如稀疏对抗扰动）面前显得力不从心。本文将深入探讨随机平滑在ℓ₁和ℓ₂威胁模型下的认...
统一身份认证服务 IAM
作者小头像 江南清风起 2025-11-23 15:53:25
128
0
0
2025-11-23 15:53:25
128
0
0
自监督视觉预训练：掩码图像建模的互信息最大化解释
自监督视觉预训练：掩码图像建模的互信息最大化解释在自监督学习的革命浪潮中，掩码图像建模（Masked Image Modeling, MIM）已然成为计算机视觉领域最具影响力的预训练范式之一。从自然语言处理中的BERT获得灵感，MIM通过让模型学习重建被随机掩码的图像块，在各种视觉任务上取得了令人瞩目的表现。然而，一个根本性问题始终萦绕在研究界：为什么简单的掩码重建任务能够学习到如此强大的...
机器学习
作者小头像 江南清风起 2025-11-22 18:30:21
122
0
0
2025-11-22 18:30:21
122
0
0
总条数：351
10
10
20
50
100
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • ...
  • 36

上滑加载中

https://www.baidu.com/s?ie=utf-8&f=3&rsv_bp=0&rsv_idx=1&tn=baidu&wd=sed%20%E6%9B%BF%E6%8D%A2%E5%AD%97%E7%AC%A6%E4%B8%B2&rsv_pq=c7db61a600035dc5&rsv_t=5e19yEsbV9N5fIvdlGRU
作者小头像
作者小头像
快速交付
+ 关注