prediction uncertainties | BriefGPT

关键词prediction uncertainties

搜索结果 - 10

用单模型拟合加速集成误差栏预测
通过对预测的集成误差数据使用单一模型拟合，我们提出了一种估计预测不确定性的高度灵活的方法，该方法可以在推理过程中只需要一个额外的模型评估，从而近似于集成方法的不确定性估计，并应用于材料科学问题的一组问题上。
PDF3 months ago
CVPR用变分贝叶斯混合模型量化运动预测的不确定性
提出了一种称为 SeNeVA 的顺序神经变分 Agent (Sequential Neural Variational Agent) 的生成模型，用于描述单个移动物体的未来轨迹分布，实现了区分异常数据、量化不确定性和与 Argoverse
PDF3 months ago
AAAI通过潜在全局演化对 PDE 的正向和反向问题进行不确定性量化
提出了一种将高效精确的不确定性量化整合到基于深度学习的代理模型中的方法，称为 LE-PDE-UQ，其具备了前向和反向问题中的鲁棒高效的不确定性量化能力。
PDF5 months ago
通过贝叶斯神经网络推断具有不确定性的 Langevin 方程
采用贝叶斯神经网络推断随机系统的朗之万方程，以及预测不确定性的综合框架。
PDF5 months ago
基于不确定性的公平度量
通过引入基于不同类型的不确定性，即不确定性度量和主观不确定性度量，证明了不确定性度量在公平性评估中的补充作用，并提供了关于导致偏见的潜在问题的更多见解。
PDF7 months ago
二进制缩放是否能提高机器学习回归中预测不确定性的一致性和适应性？
Binwise Variance Scaling 是一种用于机器学习回归问题的后期校准方法，通过改进的 uncertainty-based binning 和替代性损失函数以及基于输入特征 (X) 的分组方案，从而提供更高效的校准条件和改善
PDF9 months ago
ENCE 和其他基于 MAD 的校准度量的属性
本研究针对机器学习中广泛采用的归一化校准误差（ENCE）统计量，研究其误差与所选数据分组数量的相关性，提出了同时可作为校准检验的解决方案。实验表明，标准差校准误差（ZVE）对离群值不敏感，相对于 ENCE 更为鲁棒。
PDFa year ago
CVPR基于梯度的不确定性归因用于可解释的贝叶斯深度学习
提出了可解释和可操作的贝叶斯深度学习方法，不仅能够执行准确的不确定性量化，而且还能解释不确定性，识别其源，并提出减少不确定性影响的策略。
PDFa year ago
目标定位任务中的不确定性校准
应用于自动驾驶和手术机器人等许多安全关键应用中，从对象检测模块获取预测不确定性以帮助支持安全决策是可取的。本文中我们介绍了一种方法用于解决单个对象定位任务的边界框的不确定性问题。我们使用现有技术来校准回归模型，实验表明所得出的校准模型得到了
PDF6 years ago
通过输入不确定性理解深度神经网络
利用轻量级概率网络，将预测不确定性纳入灵敏度分析以及通过不确定性分解的新方法进行模型解释，最终提高了模型的鲁棒性和推广能力，并从输入域的不确定性解释预测不确定性，从而提供了验证和解释深度学习模型的新方法。
PDF6 years ago