graph smoothing

新的邻域平滑方法提高了神经网络的校准性能

研究人员引入了一种名为“邻域平滑用于校准”（Neighborhood Smoothing for Calibration）的新方法，旨在解决现代神经网络中的过度自信问题。该方法利用学习表示中的邻域结构，鼓励相似样本具有相似的预测分布。该技术作为一种基于图的正则化器实现，会惩罚邻近预测分布之间的分歧，并在各种基准测试中显示出预测质量和校准方面的实证改进。