Optimal Synthesis of Robust IDK Classifier Cascades
Optimal Synthesis of Robust IDK Classifier Cascades
复制标题
鲁棒 IDK 分类器级联的优化合成
DOI：
10.1145/3609129
复制
发表时间：
2023
影响因子：
2
通讯作者：
Davis, Robert Ian
中科院分区：
文献类型：
--
作者：
Baruah, Sanjoy;Burns, Alan;Davis, Robert Ian
IDK分类器是一个计算组件，如果它能够以所需的置信度将输入分类为多个类中的一个，否则它将返回“我不知道”（IDK）。IDK分类器级联被提出作为一种平衡基于分类的机器感知对快速响应和高精度需求的方法。推导了IDK分类器级联综合的有效算法；然而，这些级联的响应性高度依赖于构建它们的分类器的运行时行为预测的准确性。对于用于感知的许多分类器来说，很难获得这种运行时行为的准确预测。通过应用使用预测框架的算法，我们提出了用于合成IDK分类器级联的有效算法，这些算法在以下意义上对不准确的预测具有抑制作用：当预测准确时，由我们的算法合成的IDK分类器级联具有较短的预期执行持续时间，并且这些预期持续时间仅在预测不准确时在指定的范围内增加。
AnIDK classifieris a computing component that categorizes inputs into one of a number of classes, if it is able to do so with the required level of confidence, otherwise it returns “I Don’t Know” (IDK).IDK classifier cascadeshave been proposed as a way of balancing the needs for fast response and high accuracy in classification-based machine perception. Efficient algorithms for the synthesis of IDK classifier cascades have been derived; however, the responsiveness of these cascades is highly dependent on the accuracy of predictions regarding the run-time behavior of the classifiers from which they are built. Accurate predictions of such run-time behavior is difficult to obtain for many of the classifiers used for perception. By applying thealgorithms using predictionsframework, we propose efficient algorithms for the synthesis of IDK classifier cascades that arerobustto inaccurate predictions in the following sense: the IDK classifier cascades synthesized by our algorithms have short expected execution durations when the predictions are accurate, and these expected durations increase only within specified bounds when the predictions are inaccurate.
登录
查看更多内容
IDK-Cascades 的优化合成
DOI：
10.1145/3453417.3453425
发表时间：
2021
期刊：
Proceedings of the 29th International Conference on Real-Time and Network Systems (RTNS
影响因子：
--
作者：
Baruah, Sanjoy;Burns, Alan;Wu, Yue
通讯作者：
Wu, Yue
影响因子：
22.7
作者：
M. Mitzenmacher;Sergei Vassilvitskii
通讯作者：
M. Mitzenmacher;Sergei Vassilvitskii
调度具有任意依赖性的 IDK 分类器，以最大限度地缩短成功分类的预期时间
影响因子：
1.3
作者：
Abdelzaher, Tarek;Agrawal, Kunal;Baruah, Sanjoy;Burns, Alan;Davis, Robert I.;Guo, Zhishan;Hu, Yigong
通讯作者：
Hu, Yigong
数据集驱动的深度学习研究的方法论陷阱：物联网示例
DOI：
10.1109/milcom55135.2022.10017612
发表时间：
2022
期刊：
IEEE
影响因子：
--
作者：
Wang, Tianshi;Kara, Denizhan;Li, Jinyang;Liu, Shengzhong;Abdelzaher, Tarek;Jalaian, Brian
通讯作者：
Jalaian, Brian
根据截止日期优化订购 IDK 分类器
影响因子：
1.3
作者：
Baruah, Sanjoy;Burns, Alan;Davis, Robert I.;Wu, Yue
通讯作者：
Wu, Yue