Jan, 2022
科学机器学习中的不确定性量化:方法、指标和比较
Uncertainty Quantification in Scientific Machine Learning: Methods, Metrics, and Comparisons
Apostolos F Psaros, Xuhui Meng, Zongren Zou, Ling Guo, George Em Karniadakis
TL;DR本文介绍了一个包含不确定性建模、解法和评估的完整框架,用于量化神经网络中包括噪声、有限数据、超参数、过度参数化、优化和采样误差及模型错误等多源的误差和不确定性,特别关注向无限维函数空间中的偏微分方程和操作映射的学习,包括一个在原型问题上进行的广泛的比较研究。