6月30日
11:24
11:24arXiv cs.LG@Yousuf Moiz Ali, Jaroslaw E. Prilepsky, João Pedro, Sasipim Srivallapanondh, Antonio Napoli, Sergei K. Turitsyn, Pedro Freire
该论文提出一种混合主动在线学习框架,针对光网络故障检测中的概念漂移问题。采用基于边界的选择性标注策略,仅需查询3.4%的流式样本即可达到接近上限的准确率和AUC分数。相比于静态推理,该方法延迟开销可忽略不计。实验验证了该框架在标签高效场景下的有效性。
推荐理由:这篇论文只用3.4%的标注数据就搞定了光网络故障检测中的概念漂移,效率高延迟低,做在线学习和故障检测的朋友可以看看。
6月19日
09:42
09:42arXiv cs.LG@Md Moman Ul Haque Khan, Samira Sadaoui
该论文从理论上分析了概念漂移的特征,并分类讨论了多种漂移检测算法。在合成和真实数据集上评估了这些算法在不同漂移场景(如突变和渐变)下的性能。研究旨在加深对概念漂移行为及检测器适用性的理解。
推荐理由:这篇论文系统梳理了概念漂移检测算法,并用合成和真实数据测试了它们在突变和渐变场景下的表现,适合做这一方向基础研究的人参考。