- Слияние информации с помощью символической регрессии: учебное пособие в контексте здоровья человека (arXiv)
Автор: Дженнифер Дж. Шнур, Нитеш В. Чавла.
Аннотация: В этом учебном документе представлен общий обзор символической регрессии (SR) с особым акцентом на стандарты интерпретируемости. Мы утверждаем, что интерпретируемое моделирование, хотя его определение все еще оспаривается в литературе, является практическим способом поддержки оценки успешного слияния информации. Чтобы передать преимущества SR как метода моделирования, мы демонстрируем применение в области здоровья и питания, используя общедоступные данные Национального обследования здоровья и питания (NHANES) из Центров по контролю и профилактике заболеваний (CDC), объединяя объединить антропометрические маркеры в простое математическое выражение для оценки процента жира в организме. Мы обсуждаем преимущества и проблемы, связанные с моделированием SR, и предоставляем качественный и количественный анализ изученных моделей.
2. Обертки неопределенности с учетом временных рядов для количественной оценки неопределенности моделей искусственного интеллекта с расширенной информацией на основе машинного обучения (arXiv)
Автор: Янек Гросс, Михаэль Клас, Лиза Йокель, Паскаль Гербер.
Аннотация: Поскольку использование компонентов искусственного интеллекта (ИИ) в киберфизических системах становится все более распространенным, возникает потребность в надежных системных архитектурах. Хотя модели, управляемые данными, превосходно справляются с задачами восприятия, результаты моделей обычно недостаточно надежны для критически важных с точки зрения безопасности приложений. В этой работе мы представляем оболочку неопределенности с учетом временных рядов для надежных оценок неопределенности данных временных рядов. Оболочка неопределенности применяется в сочетании с объединением информации для последовательных предсказаний модели во времени. Применение оболочки неопределенности демонстрируется на примере использования распознавания дорожных знаков. Мы показываем, что можно повысить точность модели за счет слияния информации и дополнительно повысить качество оценок неопределенности с помощью функций входного качества с учетом временных рядов.
