通过最大化条件互信息实现医学时间序列的动态特征获取
原文中文,约300字,阅读约需1分钟。发表于: 。基于条件互信息最大化,通过仅使用下游损失训练采集器的端到端方法,我们提出了一种方法来降低成本并在维持下游预测器性能的情况下甚至提高其性能。我们证明了我们的方法优于随机采集策略,与不受限制预算的模型相匹配,但尚未超越静态采集策略。我们强调了假设,并提出了未来工作的方向。
该研究整合协同推断原理和信息理论测量,实现了多模态框架下的轻量级、无蒙特卡罗的不确定性估计。通过融合RGB摄像机和LiDAR传感器数据的特征,提高了预测准确性。该框架在KITTI 3D物体检测基准上展示了与其他方法相媲美甚至更好的性能。适用于边缘实时机器人技术。