K-DAREK

新的K-DAREK框架为神经网络提供可靠的最坏情况误差界限

研究人员开发了一个名为K-DAREK的新框架，用于神经网络，旨在为安全关键型应用提供可靠的最坏情况误差界限。该方法将密集层与基于样条的组件相结合，以确保不确定性估计既具有距离感知性（随着与训练数据的距离增加而增加），又能提供确定性保证。与Kolmogorov--Arnold Networks (KANs)和高斯过程等现有方法相比，K-DAREK在速度和计算效率方面表现出显著的改进，同时在实验中还减少了误差界限违规和碰撞率。