post-hoc calibration | BriefGPT

关键词post-hoc calibration

搜索结果 - 11

通过提高预测正确性意识来优化校准
模型校准的新后续校准目标函数通过使用样本的转换版本来减少模型对错误预测样本的置信度并增加对正确预测样本的置信度，从而与现有技术在校准性能上达到相当竞争水平。
PDF3 months ago
神经网络回归的设计概率校准
通过将后续校准嵌入到训练过程中，我们提出了一种名为量位数校准训练的新型端到端模型训练方法，该方法直接在训练过程中进行校准，无需额外参数，并且演示了其在大规模实验中在提高预测准确性的同时保持校准的性能。
PDF4 months ago
面向领域自适应和子群特定的级联温度回归用于外域校准
通过元集合级联温度回归方法，本文提出了一种新颖的事后校准方法，通过对验证集上的数据增强模拟不同领域的转变，为不同的测试集定制细粒度的缩放函数，捕捉多样化的不确定性，并通过回归网络学习得到类别特定和置信度特定的缩放，实现元集合之间的校准。通过
PDF5 months ago
基于贝叶斯神经网络的预测不确定性与后验校准对比
使用贝叶斯神经网络进行预测可以直接模拟预测分布，在小数据组和表格数据中表现竞争力，并与校准神经网络进行比较。
PDF2 years ago
评估分类器校准的 “在测试集上拟合” 视角的有效性
该研究通过多种后期校准方法来降低分类器的校准误差，同时提出了基于测试数据拟合一族函数来评估期望校准误差，以及引入了 PL 和 PL3 校准映射族的新的校准和评估方法。
PDF2 years ago
ECCV参数化温度缩放以提升事后不确定性校准的表达能力
本文提出了一种新的参数化温度缩放（Parametrized Temperature Scaling, PTS）方法，以解决深度神经网络预测不确定性校准问题。作者发现，标准的后处理校准器受限于其内在表达能力，为此他们基于神经网络计算预测特定的
PDF3 years ago
CVPR针对领域偏移场景的后验不确定性校准
本文探讨了深度神经网络中不确定性校准问题，并提出了一种针对域偏移的后处理校准方法，其通过对验证集的样本进行扰动，可大幅提高模型的校准性能。
PDF4 years ago
ICML混合和组合方法：用于深度学习中不确定性校准的集成和组合方法
本文研究了机器学习分类器的后续校准问题，提出了三种不同的校准要求，并通过 Mix-n-Match 校准策略实现了数据效率和表达能力的显着提高，并提出了一种基于核密度估计的可靠评估方法，结果表明我们的方法在大多数实验设定中表现优于现有的解决方
PDF4 years ago
用于多类神经网络校准的内部保序函数
提出了一种新的神经网络架构，用于学习通用的后验校准函数，以预测多类深度网络的校准置信度得分，表现出多种评估度量标准的优越性，特别是当训练数据集大小较小时，引入了与次序无关和对角子族的正则化。
PDF4 years ago
WWWField-aware Calibration：可靠概率预测的简单有效方法
本文提出了一种新的评估指标，称为 “field-level calibration error”，用于衡量决策者关注的敏感输入领域中预测偏差，提出了一种名为神经校准的后续校准方法，使用验证集中的领域感知信息进行校准，并通过实验证明其对常见度
PDF5 years ago
ACL用于细致至粗糙宣言文本分析的层次结构模型
该论文提出了一种两阶段的模型，利用分层的多任务结构深度模型和概率软逻辑进行细粒度和粗粒度的分析来预测选举宣言文本中政党的立场，并证明该模型优于现有方法。
PDF6 years ago