PulseAugur
中
实时 09:03:08
English(EN) phepy: Visual benchmarks and improvements for out-of-distribution detectors

新基准 'phepy' 改进了分布外检测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为 "phepy" 的新基准，用于评估机器学习中的分布外 (OOD) 检测方法。该基准使用三个新颖的、视觉上直观的玩具示例，来评估检测器识别高维数据中线性、非线性概念以及狭窄的分布内子空间的能力。该研究还探讨了为监督训练合成 OOD 输入的方法，并引入了 t-poking 和 OOD 样本加权等改进措施，以提高决策边界处的检测器精度。 AI

影响 为提高机器学习模型在现实世界、不可预测场景中的可靠性提供了新工具和方法。

排序理由 该集群包含一篇详细介绍新基准和 OOD 检测方法的学术论文。[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 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Felix Krumbiegel, Juniper Tyree, Michael Boy, Petri Clusius, Andreas Rupp ·

    phepy：用于分布外检测器的可视化基准和改进

    arXiv:2503.05169v2 Announce Type: replace Abstract: Applying machine learning to increasingly high-dimensional problems with sparse or biased training data increases the risk that a model is used on inputs outside its training domain. For such out-of-distribution (OOD) inputs, th…

相关话题