关键词safety critical applications
搜索结果 - 2
- 训练神经网络的异常检测性能分析
本文分析了三种 in - 和 out-of-distribution 数据的分离方法及其性能,包括超级监督的应用及其训练过程中的性能评估,研究表明理解训练结果与监督性能与提高模型强健性密切相关,为安全应用提供了论据,并应用于两个额外的数据集 - 构建神经网络:确保神经网络知道它们不知道的领域
本文提出了一种新的方法以应对激活函数为 ReLU 的神经网络在数据训练远离时会过度自信并有可能失去安全性的问题,该方法可以提供数学上的低置信预测同时提供第一个在一个分布外点附近的低置信预测的证书。实验表明,该方法能够在保留 OOS 性能的同