实体
Credal Sets
Credal Sets
PulseAugur coverage of Credal Sets — every cluster mentioning Credal Sets across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
Credal 机器学习在 AI 决策中提供可靠的风险规避能力
研究人员开发了一种名为 Credal 机器学习的新方法，以解决机器学习应用中风险规避的决策问题。该方法旨在通过最小化条件风险价值 (CVaR) 来减少损失，而不是仅仅关注平均性能。该方法使用 Credal 集（概率分布的集合）来表示认知不确定性，并包含一种用于最小化 CVaR 的新颖决策规则。在分类、分布变化和强化学习中的实验表明，该技术在保持良好预期性能的同时，能够可靠地避免灾难性决策。
-
新研究推进共识预测以进行不确定性量化 · 跟踪 5 个来源
研究人员开发了共识预测的新方法，这是一种用于量化机器学习模型不确定性的框架。一篇论文提出了概率伯努利预测集（BPS），它可以表达偶然性和认知不确定性，并为有效的可信集实现条件覆盖。另一种方法侧重于在再生核希尔伯特空间（RKHS）内有效地逼近完整的共识预测区域。此外，还引入了一个名为 RoBAS 的鲁棒贝叶斯辅助共识预测框架，该框架能够适应贝叶斯先验的可靠性，从而生成有效的预测集，尤其是在分布偏移的情况下。
-
新的 PAC-贝叶斯框架量化测试时自适应中的不确定性
研究人员开发了一个 PAC-贝叶斯框架，用于量化测试时自适应 (TTA) 方法中的认知不确定性。该框架使用源分布和目标分布之间的最大均值差异 (MMD) 来推导泛化界。通过将 MMD-balls 解释为 credal sets，该方法将认知不确定性与偶然不确定性分开，提供了一种有原则的方法来决定何时自适应是有益的。