跳到正文
arXiv · ML· Xenia Konti, Arjun Tschand, Chuan Hong, Nicoleta J. Economou-Zavlanos, Michael M. Zavlanos·· 10 天前AI 评分30

跨异构特征空间的群体鲁棒学习框架:降低最坏群体损失并提升参数效率

Learning Across Heterogeneous Feature Spaces with Group Robustness

AI 导读

针对临床医疗场景中患者特征空间异质的问题,提出群体鲁棒学习框架,通过优化最坏群体超额损失和共享潜空间簇状聚类,在表格与影像数据集上优于现有方法,最坏群体损失最多降低79%、超额损失最多降低95%,且参数量减少最高达18倍。

来源:arXiv · ML · arxiv.org