Contrastive learning for regression in multi-site brain age prediction
LTCI, Télécom Paris, IP Paris(巴黎电信学院 LTCI,巴黎理工学院);University of Turin(都灵大学);NeuroSpin, CEA, Université Paris-Saclay(巴黎萨克雷大学原子能与替代能源委员会神经自旋中心)
建立准确的深度学习(DL)模型来预测大脑年龄是神经成像领域一个非常相关的话题,因为它可以帮助更好地理解神经退行性疾病并找到新的生物标志物。为了估计准确和可推广的模型,已经收集了大型数据集,这些数据集通常是多站点和多扫描仪的。这种大的异质性对DL模型的泛化性能产生了负面影响,因为它们容易产生过拟合的站点相关噪声。最近,对比学习方法已被证明对数据或标签中的噪声更具鲁棒性。出于这个原因,我们提出了一种新的对比学习回归损失,用于使用MRI扫描进行强大的大脑年龄预测。我们的方法在OpenBHB挑战中实现了最先进的性能,具有最佳的泛化能力和对站点相关噪声的鲁棒性。
2023-03-21 cs.CV cs.LG eess.IV
Reducing Racial Bias in Facial Age Prediction using Unsupervised Domain Adaptation in Regression
University of California, San Diego(加州大学圣迭戈分校)
我们提出了一种无监督的领域自适应方法,用于根据给定的人脸图像估计某人的年龄。为了避免种族偏见在大多数公开可用的人脸图像数据集中传播到在其上训练的模型的无效性中,我们执行领域自适应以激励预测器学习对种族不变的特征,从而提高来自不同种族背景的人的面部的泛化性能。利用年龄的有序性,我们还对模型的预测施加了排名约束,并设计了我们的模型,使其将一对图像作为输入,并输出相对年龄差和第一身份相对于其他身份的排名。此外,我们实现多维缩放来检索绝对年龄从预测的年龄差异从两个标记的图像从域要适应。我们用一个带有年龄标签的公开数据集进行实验,根据种族标签将其划分为子集,并评估我们的方法在来自与模型训练的种族不同的种族的数据上的性能。此外,我们施加了一个约束,以保持相对和绝对年龄预测的合理性,另一个用于确保预测相对于输入的平滑性。我们进行了广泛的实验并比较了回归任务的各种领域自适应方法。
2021-04-05 cs.CV cs.LG
Identification of Empirical Constitutive Models for Age-Hardenable Aluminium Alloy and High-Chromium Martensitic Steel Using Symbolic Regression
University of Bremen(不莱梅大学);Leibniz Institute for Materials Engineering – IWT(莱比锡材料工程研究所);University of Applied Sciences Upper Austria(上奥地利应用技术大学)
本研究针对材料科学中过程-结构-性能关系的建模需求,提出使用符号回归推导时效硬化铝合金和高铬马氏体钢的塑性变形本构模型,通过两种测试方法获取数据,验证了该方法的优势并讨论了挑战。
2025-11-11 cond-mat.mtrl-sci cs.LG
VoxCeleb Enrichment for Age and Gender Recognition
University of Eastern Finland(东芬兰大学);Università degli Studi di Milano-Bicocca(米兰比可卡大学)
VoxCeleb数据集广泛用于说话人识别研究。我们的工作有两个目的。首先,我们提供说话人年龄标签和(另一种)说话人性别的注释。其次,我们通过构建具有不同特征和分类器的年龄和性别识别模型来演示此元数据的使用。我们查询不同的名人数据库,并应用共识规则来获得年龄和性别标签。我们还将原始VoxCeleb性别标签与我们的标签进行比较,以识别原始VoxCeleb数据中可能被错误标记的记录。在建模方面,我们设计了一个全面的研究,多功能和模型识别性别和年龄。我们最好的系统,使用i-向量特征,实现了F1得分为0.9829的性别识别任务,使用逻辑回归,和最低的平均绝对误差(MAE)在年龄回归,9.443岁,得到岭回归。这表明从野生风格语音数据进行年龄估计的挑战。
2021-12-20 cs.CL cs.LG cs.SD
Combining imaging and shape features for prediction tasks of Alzheimer's disease classification and brain age regression
Imperial College London(伦敦帝国学院);Aswan Heart Centre(阿斯旺心脏中心)
本研究提出融合ResNet图像嵌入与定制图神经网络形状嵌入的模型,用于脑年龄预测和阿尔茨海默病分类,经公开数据集验证,两项任务性能均提升,分类任务增益显著。
2025-01-14 cs.CV cs.LG eess.IV
Robust Brain Age Estimation via Regression Models and MRI-derived Features
Lahore University of Management Sciences(拉合尔管理科学大学);Georgia State University(佐治亚州立大学);Massey University(梅西大学)
针对现有脑年龄估计框架构建难的问题,研究整合三种MRI区域特征与多种回归模型,基于OpenBHB数据集实现MAE达3.25年的高精度估计,并验证了性别分组下的性能,为相关脑研究提供新方法。
2023-06-08 cs.CV cs.LG eess.IV
Causal Strategic Linear Regression
Harvard School of Engineering and Applied Sciences(哈佛大学工程与应用科学学院);Stanford Computer Science Department(斯坦福大学计算机科学系)
在许多预测决策场景中,如信用评分和学术测试,决策者必须构建一个模型,该模型考虑到代理人通过改变其特征来“游戏”决策规则的倾向,以便获得更好的决策。而战略分类文献先前假设代理的结果是没有因果关系的影响,他们的功能(因此,战略代理的目标是欺骗决策者),我们加入并行工作,在建模代理的结果作为其可变属性的函数。作为我们的主要贡献,我们提供了用于学习决策规则的高效算法,这些算法在可实现的线性设置中优化了三个不同的决策者目标:准确预测代理的博弈后结果(预测风险最小化),激励代理改进这些结果(代理结果最大化),并估计真实基础模型的系数(参数估计)。我们的算法通过允许决策者测试一系列决策规则并观察代理人的反应,有效地通过决策规则执行因果干预,从而规避了Miller等人(2020)的硬性结果。
2022-08-25 cs.AI cs.LG stat.ML
Byzantine Fault Tolerant Distributed Linear Regression
Georgetown University(乔治城大学)
研究了多智能体系统中分布式线性回归的拜占庭容错问题。然而,所提出的算法给出了更一般的一类分布式优化问题,其中分布线性回归是一个特例。该系统由一个服务器和多个代理组成,其中每个代理持有一定数量的数据点和满足线性关系的响应(可能是噪声)。服务器的目标是确定这种关系,假设系统中的一些代理(最多已知数量)是拜占庭故障(又名。积极对抗)。我们表明,服务器可以实现这一目标,在一个确定性的方式,鲁棒性的原始分布式梯度下降方法使用基于范数的过滤器,即“范数过滤”和“范数帽过滤”,在每次迭代中产生额外的对数线性计算成本。所提出的算法在三个层次上改进了现有的方法:i)不需要对数据点的概率分布进行假设,ii)系统可以部分异步,iii)计算开销(为了处理拜占庭故障代理)在代理数量和数据点维度上是对数线性的。所提出的算法在为它们的正确性所做的假设以及它们使用的梯度滤波器方面彼此不同。
2019-04-04 cs.DC cs.LG stat.ML
Whom to Trust? Elective Learning for Distributed Gaussian Process Regression
Robert Koch Institute(罗伯特·科赫研究所);Technical University of Munich(慕尼黑工业大学);Freie Universität Berlin(柏林自由大学)
本文提出先验感知的选择性分布式GP(Pri-GP)算法,使多智能体系统根据邻居可信度选择性请求预测,提升预测精度并消除方差计算,同时建立误差界保证可靠性。
2024-02-05 cs.AI cs.LG
Robustness of Iteratively Pre-Conditioned Gradient-Descent Method: The Case of Distributed Linear Regression Problem
University of Maryland(马里兰大学);Georgetown University(乔治城大学)
针对含观测噪声或过程噪声的多智能体分布式线性回归,本文评估 IPG 方法的鲁棒性,并通过实验证明其相较现有最优算法具有优势。
2021-01-26 cs.LG cs.SY eess.SY
MRI-Based Brain Age Estimation with Supervised Contrastive Learning of Continuous Representation
Department of Computer Science and Software Engineering(计算机科学与软件工程系)
本文提出基于监督对比学习的脑年龄估计方法,利用RNC损失和Grad-RAM提升模型性能,实现更精确的生物脑年龄预测。
2025-11-27 cs.CV cs.LG