本论文探讨了提高深度学习系统置信度校准的方法，特别是在高风险应用中，可靠的不确定性量化至关重要。它通过提出一个使用估计噪声模型重建无噪声置信度估计的框架来解决标签噪声和域偏移等挑战。该研究还扩展到无监督域适应，通过从源性能和域差异估计目标域准确性来实现无需标记目标数据即可进行校准。此外，它引入了一个局部差分隐私的共形预测框架，以在确保隐私的同时保持可靠的不确定性量化。 AI
影响 通过改进不确定性量化，提高深度学习模型在关键应用中的可靠性和安全性。
排序理由 该集群包含一篇详细介绍深度学习新研究方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
