基于极值理论的神经网络准确度估计
机器学习
2025-11-04 v1 机器学习
概率论
摘要
神经网络能够逼近紧凑集上的连续函数，但要量化神经网络的误差，即函数与神经网络之间的剩余偏差并不明显。本文提出将极值理论应用于量化误差的大值，这些大值在实际应用中通常具有重要意义。误差在某个阈值之上的分布大约服从广义帕累托分布。我们提供一种适用于描述神经网络误差的帕累托分布 shape 参数的新估计器。本文还提供了数值实验。
引用
@article{arxiv.2511.00490,
title = {Accuracy estimation of neural networks by extreme value theory},
author = {Gero Junike and Marco Oesting},
journal= {arXiv preprint arXiv:2511.00490},
year = {2025}
}