博士生讨论班2026[22]
作者:
时间:2026-11-17
阅读量:53次
  • 演讲人: 孙荣忆
  • 时间:2026年11月24日14:00
  • 地点:浙江大学紫金港校区行政楼1312会议室
  • 主办单位:浙江大学数据科学研究中心

题目:GLADE: ADAPTIVE STRUCTURAL TRANSFER FOR POWERFUL OUT-OF-DISTRIBUTION TESTING

摘要:历史记录、相关领域或合成来源中的辅助标注数据可用于提高分布外检测的功效。然而,辅助数据与当前数据中的异常分布可能存在差异,使直接迁移的检测评分失效,甚至产生负面影响。关键挑战是在控制错误发现并防范负迁移的同时,将辅助类别信息转化为检测功效。我们提出 GLADE,一种自适应结构迁移方法,利用辅助数据的类别标签,引导基于当前无标签数据和参考正常样本的局部评分学习。GLADE 进一步将局部评分与全局锚定评分相结合,并根据估计的发现效用确定局部评分的贡献程度。对称的学习与选择构造保证了可交换性条件下的有限样本错误发现率(FDR)控制。理论分析刻画了结构迁移可能带来的功效增益、学习与选择的代价,以及防范负迁移的条件。合成与真实数据实验表明,相较于匹配的全局基线方法,GLADE 提高了功效,且经验 FDR 低于名义水平。这些结果为利用辅助结构开展分布外检测提供了一种具有理论依据且能严格控制错误发现的方法。