PulseAugur
中
实时 10:31:46
English(EN) Clustered Randomized Smoothing for Stochastic Prediction Functions

新的聚类 alpha-平滑增强了预测鲁棒性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为聚类 alpha-平滑的新框架，以提高随机预测函数的鲁棒性，尤其是在安全关键应用中。该方法解决了传统随机平滑在多模态回归设置中可能出现的模式崩溃问题。所提出的方法将噪声样本划分为簇，在每个簇内应用 alpha-平滑，然后将这些结果合并为混合分布。实验表明，与现有方法相比，在四旋翼飞行器控制中的碰撞率降低了 81%，在驾驶模拟器轨迹预测中的 Wasserstein 距离降低了 27%。 AI

影响 通过提高预测准确性和降低故障率，增强了安全关键人工智能应用的鲁棒性。

排序理由 该集群包含一篇详细介绍随机预测函数新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新的聚类 alpha-平滑增强了预测鲁棒性

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Eduardo Figueiredo, Frederik Mathiesen, Julian Schumann, Jens Kober, Arkady Zgonnikov, Luca Laurenti ·

    随机平滑聚类用于随机预测函数

    arXiv:2608.12037v1 Announce Type: new Abstract: Modern stochastic predictors can model rich, multi-modal outcome distributions. However, this expressive power comes with challenges in ensuring robust predictions $-$ a critical requirement in safety-critical domains. Randomized sm…

相关实体

相关话题