OoD data

核主成分分析方法增强了神经网络的分布外检测能力

研究人员开发了一种新颖的深度神经网络分布外（OoD）检测方法，该方法利用非线性特征子空间。该方法利用核主成分分析（KPCA）从分布内（InD）数据中学习一个具有判别性的非线性子空间，并期望分布外（OoD）数据在该子空间内具有更高的重构误差。一项关键贡献是引入了余弦高斯核（Cosine-Gaussian kernel），该核被认为在捕捉分布内-分布外差异方面非常有效，同时还引入了近似技术以高效处理大规模数据集。这种基于KPCA的检测方法…