关键词epistemic uncertainty quantification
搜索结果 - 2
- CVPR预训练神经网络的认知不确定性量化
我们的研究旨在为任何预训练模型量化认识上的不确定性,不需要原始训练数据或模型修改,可以确保广泛适用于任何网络架构或训练技术;我们提出了一种基于梯度的方法来评估认识上的不确定性,通过分析输出相对于模型参数的梯度,从而指示必要的模型调整以准确地 - 准确且可扩展的图神经网络的确知性不确定性估计
安全部署图神经网络 (GNNs) 在分布偏移下需要模型提供准确的置信指标 (CI)。然而,尽管众所周知在计算机视觉领域 CI 质量随着分布偏移而降低,但 GNN 领域对此行为的研究仍然不足。因此,我们从在受控的结构和特征分布偏移下进行的 C