Nov, 2022
UQ-ARMED: 面向聚类非独立同分布数据的对抗正则化混合效应深度学习的不确定性量化
UQ-ARMED: Uncertainty quantification of adversarially-regularized mixed effects deep learning for clustered non-iid data
Alex Treacher, Kevin Nguyen, Dylan Owens, Daniel Heitjan, Albert Montillo
TL;DR本文比较了 4 种常见的表观 UQ 方法,即 BNN、SWAG、MC dropout 和集成方法,在 ARMED MEDL 模型的统计指标、协变系数和预测置信度方面的能力,实验结果表明,90%子采样的集成方法提供了最佳的全面性能,同时保持 MEDL 使用 ARMED 的基线性能,并为模型拟合,协变系数和预测提供了统计显着性。