跳到正文
arXiv · ML· Enis Chenchene, Anil S. Baslamisli, Paolo Braca·· 4 天前AI 评分26

潜空间检测与分类:高维分析及验证

Detection and Classification in Latent Spaces: High-Dimensional Analysis and Validation

AI 导读

研究提出基于基础模型高维潜表示的统计决策规则,在 Neyman-Pearson 范式下推导线性与二次统计量的大偏差特征。 误差概率和衰减率对形状参数呈现非单调依赖,包括双下降和多下降现象。 在视觉、文本和音频数据集上,理论预测与实证表现高度一致,可实现预设虚警率下的漏检概率精确预测。

来源:arXiv · ML · arxiv.org