基于贝叶斯神经网络认知不确定性的分布外判别器
机器学习
2023-08-10 v2
摘要
神经网络凭借增强的预测能力革新了机器学习领域。除了改进神经网络的预测外，同时需要对神经网络等机器学习方法所做估计的可靠不确定性量化。贝叶斯神经网络（BNNs）是一类重要的具有内置不确定性量化能力的神经网络。本文讨论了 BNN 中的偶然不确定性和认知不确定性，以及它们如何计算。以一个图像数据集为例，其目标为识别图像中事件的幅度，结果表明认知不确定性在训练集中有良好表征的图像中往往较低，而在无良好表征的图像中往往较高。我们引入了一种利用 BNN 认知不确定性进行分布外（OoD）检测的算法，并辅以各类实验展示影响 BNN 中 OoD 检测能力的因素。结果表明，利用认知不确定性的 OoD 检测能力与具有可比网络架构的生成对抗网络（GAN）判别器网络中的 OoD 检测能力相当。
引用
@article{arxiv.2210.10780,
title = {An out-of-distribution discriminator based on Bayesian neural network epistemic uncertainty},
author = {Ethan Ancell and Christopher Bennett and Bert Debusschere and Sapan Agarwal and Park Hays and T. Patrick Xiao},
journal= {arXiv preprint arXiv:2210.10780},
year = {2023}
}
备注
26 pages, 25 figures