Sep, 2019
基于温度缩放的 Dropout 变分推断模型的良好校准的不确定性
Well-calibrated Model Uncertainty with Temperature Scaling for Dropout Variational Inference
Max-Heinrich Laves, Sontje Ihler, Karl-Philipp Kortmann, Tobias Ortmaier
TL;DR本文提出使用温度缩放法校准模型不确定性,进而减少不确定性的误差,通过对 CNN 架构的实验结果表明,该方法有效地减小了 UCE,提高了模型可靠性并不影响模型的准确性。