Feb, 2024
确定性不确定性量化方法上的判别距离感知表示
Discriminant Distance-Aware Representation on Deterministic Uncertainty Quantification Methods
Jiaxin Zhang, Kamalika Das, Sricharan Kumar
TL;DR该研究介绍了一种名为 Discriminant Distance-Awareness Representation(DDAR)的新颖且高效的确定性不确定性评估方法,通过构建一个在潜在表示中包含一组原型的 DNN 模型来分析输入数据的有价值特征信息,通过松弛限制了决定性不确定性方法(DUMs)架构的利普希茨条件,从而克服了特征坍缩问题,实验结果表明 DDAR 是一种灵活且与架构无关的方法,在多个基准问题上优于现有的不确定性评估方法。