Autoinverse：具有不确定性感知的神经网络反演
机器学习
2022-10-18 v2 人工智能
摘要
神经网络是众多前向过程的强大代理模型。此类代理模型的反演在科学与工程中具有极高价值。成功的神经逆方法最重要的性质是其解在真实世界中部署时的表现，即作用于原生前向过程（而不仅仅是学习到的代理模型）时的表现。我们提出 Autoinverse，一种高度自动化的神经网络代理模型反演方法。我们的核心见解是在已从前向过程采样并用于训练代理模型的可靠数据附近寻找逆解。Autoinverse 通过考虑代理模型的预测不确定性并在反演过程中最小化该不确定性来找到此类解。除高精度外，Autoinverse 强制解的可行性，内置正则化，且无需初始化。我们通过解决控制、制造和设计中的一组现实问题验证了所提方法。
引用
@article{arxiv.2208.13780,
title = {Autoinverse: Uncertainty Aware Inversion of Neural Networks},
author = {Navid Ansari and Hans-Peter Seidel and Nima Vahidi Ferdowsi and Vahid Babaei},
journal= {arXiv preprint arXiv:2208.13780},
year = {2022}
}
备注
Accepted to NeurIPS 2022