Skip to content
Hot eventLive

EIAD-C2ST：严重样本不平衡下的深度非参数检验

1 reports1 sources2 hr ago updated

Get the story

AI overview

2026年10月12日，arXiv Statistics Machine Learning 频道发布论文，提出增强型不平衡感知深度分类器两样本检验（EIAD-C2ST）。该方法是一个分类器无关的框架，用于在严重样本不平衡条件下比较分布，尤其适配图等复杂非欧数据。论文称，该方法可将多数类样本盈余转化为可重复的检验证据，并为计算成本高的深度分类器提供可扩展的表示摊销实现。理论方面给出渐近规模保证与功效一致性条件，允许不平衡比发散；仿真与区块链取证应用验证了有效性。目前未见后续报道或争议。

Generated from reports · updated 2 hr ago

LatestOct 12
arXiv发布EIAD-C2ST论文，提出面向严重样本不平衡复杂数据的深度非参数检验框架。

Timeline

Follow the coverage from different angles.

Oct 12, 2026
  1. arXiv · Statistics Machine Learning
    EIAD-C2ST：面向严重样本不平衡复杂数据的深度非参数检验

    论文提出增强型不平衡感知深度分类器两样本检验（EIAD-C2ST），一个分类器无关的框架，用于在严重样本不平衡下比较分布，尤其适配图等复杂非欧数据。该方法把多数类样本盈余转化为可重复的检验证据，并为计算成本高的深度分类器提供可扩展的表示摊销实现。理论给出渐近规模保证与功效一致性条件，允许不平衡比发散；仿真与区块链取证应用验证了有效性。

Heat trend

There is not enough continuous observation data to draw a trend yet.