Публикации по теме uncertainty

Публикации по теме 'uncertainty'

Неопределенность в байесовском CNN с глубоким обучением | Вероятность TensorFlow

Создание модели глубокого обучения, которая знает то, чего не знает. Это четвертая часть серии Неопределенность в глубоком обучении . Часть 1 — Краткое введение Часть 2 — Алеаторическая неопределенность и оценка максимального правдоподобия Часть 3 — Эпистемическая неопределенность и байесовский метод Backprop Часть 4. Реализация полностью вероятностной байесовской CNN Часть 5 — Эксперименты с байесовской CNN Часть 6 — Байесовский вывод и преобразователи..

Резюме статьи [Глубокая детерминированная неопределенность для семантической сегментации]

Обратите внимание, что этот пост для моего вероятного исследования в будущем, чтобы оглянуться назад и просмотреть материалы по этой теме, не читая бумагу полностью. Глубокая детерминированная неопределенность (DDU) позволяет вычислять и разделять алеаторическую и алеаторическую неопределенность в модели. При этом основное внимание уделяется знакомству с представлениями признаков пикселей в разных местах для одного и того же класса. Делается вывод о возможности независимого..

Неопределенность в глубоком обучении — Краткое введение

Когда люди не знают ответа на конкретный вопрос, они говорят: "Я не знаю". Но применимо ли это также к моделям глубокого обучения? В этом посте я попытаюсь дать интуитивное представление о неопределенности в моделях глубокого обучения вместо того, чтобы подробно объяснять эти неопределенности. Они будут объяснены в следующих частях с использованием вероятности TensorFlow . Будет серия статей, в которых я объясню эти термины и покажу реализации TFP. Часть 1. Краткое введение..

Преодолевая неопределенность жизни, путь программиста

Весной 2020 года я переехал в возрасте 17 лет, стремясь добиться успеха в большом городе и официально стать штатным программистом. И как распорядились жизнь и пандемия, все пошло не по плану. Будучи помешанным на контроле, которым я являюсь, и много лет работая программистом в то время, я не мог заставить себя справиться с неопределенностью, связанной с пандемией. В компьютерных науках (по крайней мере, за исключением квантовых компьютеров) определенность имеет большое значение. Вы..

Модель машинного обучения на основе физики для прогнозирования неопределенности

Пример использования моделирования температуры в помещении для выбора оптимальной мощности нагрева Машинное обучение на основе физики Хотя машинное обучение продемонстрировало огромный успех во многих научных областях, соблюдение основных законов физики остается сложной задачей. Многочисленные примеры показали, что решения, основанные исключительно на данных, не соответствуют законам физики. В то же время некоторые развитые даже зрелые научные теории помогут ИИ прийти к лучшему решению,..

Количественная оценка неопределенности Используя конформное предсказание

Приложение, использующее набор данных каротажа скважины Конформный прогноз — это количественная оценка неопределенности без распределения . Этот прогноз работает для любой модели и любого набора данных . Используя эти методы, повторное обучение или повторный анализ модели больше не требуется для получения доверительного интервала нашего результата прогнозирования. Что такое доверительный интервал? Доверительный интервал – это диапазон оценок прогнозируемого значения . Этот..

Понимание эпистемической неопределенности в глубоком обучении

Введение Глубокое обучение широко используется в различных областях, таких как компьютерное зрение, НЛП и робототехника. Успех глубокого обучения во многом обусловлен его способностью изучать сложные представления данных с использованием глубоких нейронных сетей. Однако, несмотря на свой успех, глубокое обучение по-прежнему сталкивается с рядом проблем, включая проблему эпистемологической неопределенности. В этой статье мы представим обзор эпистемической неопределенности в глубоком..