University of Oxford（牛津大学）

Tight Generalization Bound for AdaBoost

AdaBoost 的紧泛化界

Mikael Møller Høgsgaard

机构 * University of Oxford（牛津大学） 纠错

AI总结 本文推导了 AdaBoost 的紧泛化界，给出其泛化误差的上界，该上界结合已有结论与新的投票分类器边距泛化界得到，匹配的下界来自已有工作。

Comments Preprint

AI Alignment in Medical Imaging: Unveiling Hidden Biases Through Counterfactual Analysis

医学影像中的AI对齐：通过反事实分析揭示隐藏偏差

Haroui Ma, Francesco Quinzan, Theresa Willem, Stefan Bauer

机构 * School of Computation, Information and Technology, Technical University of Munich（技术大学慕尼黑计算、信息与技术学院） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Helmholtz AI, Munich, Germany（海德堡人工智能研究所，德国慕尼黑） 纠错

AI总结 本研究针对医学影像ML系统的偏差问题，提出结合条件潜在扩散模型与统计假设检验的统计框架，在多数据集上验证其优于基线，为医疗AI安全提供可靠工具。