新的HProbZ方法增强了神经网络中的预测不确定性

研究人员推出了一种新颖的神经网络输出头——混合概率区域体（HProbZ），旨在更好地表示预测中不同来源的不确定性。与使用高斯混合或单一一致区域的传统方法不同，HProbZ将不确定性分离为离散模式、有界系统漂移和不可约噪声。这种新方法允许闭式似然，并能够基于单次前向传播中的观测步数来精炼未来的预测。在预测基准上的实证测试表明，HProbZ的性能优于相同编码器混合基线，同时提供了独特的结构优势。 AI

影响 引入了一种表示和精炼神经网络预测不确定性的新颖方法，有望提高模型在复杂任务中的可靠性。

排序理由 该条目是一篇学术论文，详细介绍了一种用于神经网络预测不确定性的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• conformal region
• DagsHub
• Gaussian mixture model
• Gotit.pub
• HProbZ
• Hugging Face
• Hybrid Probabilistic Zonotope
• IArxiv
• ScienceCast

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →