跳到正文
热点事件持续更新

研究者提出数据流评估的时序代数框架

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Ronaldo C. Prati 与 Elaine Ribeiro de Faria 提出一个面向数据流评估的时序代数框架,用于处理延迟标签与分布漂移。该框架用指数衰减或滑动窗口对时间上的计数加权,从单一混淆矩阵同时得到池化(micro)与逐类(macro)指标,每步更新成本为 O(m^2),且与流长度无关。 该框架是在已有代数框架基础上向数据流的扩展,报道未给出实验验证或与其他方法的对比结果。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv cs.AI
    面向延迟标签与分布漂移的数据流评估时间代数框架

    研究者扩展了一个代数框架,用指数衰减或滑动窗口对时间上的计数加权,从单一混淆矩阵同时得到数据流的池化(micro)与逐类(macro)指标,每步更新成本为 O(m^2) 且与流长度无关。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。