实体
Sergio Calvo-Ordoñez
Sergio Calvo-Ordoñez
PulseAugur coverage of Sergio Calvo-Ordoñez — every cluster mentioning Sergio Calvo-Ordoñez across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
NTK理论已扩展到神经网络分类
研究人员已将神经切线核（NTK）理论扩展到分类任务，而此前该理论仅限于回归损失。他们确定了在交叉熵损失的训练过程中，宽神经网络保持恒定NTK的条件，包括参数空间正则化或非退化目标。这使得训练过程可以通过线性化模型进行精确近似，通过NTK提供明确的解的表征，并将模型不确定性与贝叶斯方法联系起来。
-
新方法增强神经网络不确定性估计
研究人员开发了一种新方法来改进用于估计神经网络不确定性的贝叶斯最后一层（BLLs）。他们的方法利用神经切线核（NTK）特征的投影来考虑整个网络的可变性，解决了标准BLLs中出现的认知不确定性低估问题。该方法可证明具有更大或相等的后验方差，并包含一个子采样方案以降低计算成本。在各种数据集上的实证测试表明，与现有方法相比，校准和不确定性估计得到了改善。