跳到正文
热点事件持续更新

研究者提出延迟标签下数据流评估的时序代数框架

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Ronaldo Prati 与 Elaine Ribeiro de Faria 在 arXiv 论文(arXiv:2611.21914)中提出一种面向数据流的时序代数评估框架,针对延迟标签与分布漂移场景,将混淆矩阵的 micro(汇总)与 macro(逐类)度量扩展到流式设置,并随时间用指数衰减或滑动窗口对计数加权,每步更新代价为 O(m^2)。论文同时附有 aggmetrics 软件包。

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
    延迟标签与分布偏移下数据流评估的时序代数框架

    Ronaldo Prati 在 arXiv 论文中提出一种面向数据流的时序代数评估框架,将混淆矩阵的 micro/macro 度量扩展到流式场景,用指数衰减或滑动窗口加权,每步更新代价 O(m^2)。

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。