Chakshu Baweja

新方法预测人工智能检测器在实际条件下的性能下降

研究人员开发了一种方法，可以预测射频损伤检测器在面临分布偏移时的性能下降。该方法利用分布内统计数据来预测检测器的准确性（AUC）在实际条件下的下降程度，由于缺乏标记的现场数据，这一指标通常未知。所开发的岭模型仅在分布内得分统计数据上进行训练，就能以相当大的准确性预测看不见的检测器和损伤类别的“乐观差距”，即使在实际数据集上进行测试，这一发现也成立。