แนวคิดหลัก
Proposing a novel uncertainty-aware pseudo-labeling framework, PUUPL, for Positive-Unlabeled Learning to address imbalanced datasets and model calibration issues.
สถิติ
PUUPL은 어짜피 앙상블의 에피스템적 불확실성을 사용하여 확실한 예제를 가상 라벨링하는 PUL용 새로운 불확실성 인식 가상 라벨링 프레임워크입니다.
PUUPL은 라벨링된 데이터 세트를 확장하여 미라벨링된 세트에서 새로운 샘플을 추가하여 예측 성능을 향상시킵니다.
PUUPL은 해로운 확인 편향을 방지하기 위해 불확실성 측정을 사용합니다.
คำพูด
"PUUPL은 불균형 설정에서 상당한 성능 향상을 보여주며 균형 잡힌 시나리오에서 강력한 성능을 보여줍니다."
"실제 의료 데이터셋에서 PUUPL의 이점을 확인하는 것은 맞춤형 항원 백신의 효능과 배치 비용에 잠재적인 영향을 미칠 수 있습니다."