研究人员开发了一种新方法来改进用于估计神经网络不确定性的贝叶斯最后一层（BLLs）。他们的方法利用神经切线核（NTK）特征的投影来考虑整个网络的可变性，解决了标准BLLs中出现的认知不确定性低估问题。该方法可证明具有更大或相等的后验方差，并包含一个子采样方案以降低计算成本。在各种数据集上的实证测试表明，与现有方法相比，校准和不确定性估计得到了改善。 AI
影响 改进了神经网络的校准和不确定性估计，可能导致关键应用中的AI系统更加可靠。
排序理由 该集群包含一篇学术论文，详细介绍了一种改进神经网络不确定性估计的新方法。[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 →