深度卷积高斯过程的校准
机器学习
2018-05-29 v1 机器学习
摘要
卷积神经网络（CNNs）在不确定性下决策至关重要的应用中被广泛采用，这使得人们高度关注这些模型准确量化其预测不确定性的能力。先前关于将 CNNs 与高斯过程（GPs）结合的工作是在假设这些模型的预测概率经过良好校准的前提下开展的。在本文中，我们表明事实上当前 CNNs 与 GPs 的结合是未校准的。我们提出了一种新颖的结合方式，在该方面显著优于先前方法，同时在图像分类任务上达到了最先进的性能。
引用
@article{arxiv.1805.10522,
title = {Calibrating Deep Convolutional Gaussian Processes},
author = {Gia-Lac Tran and Edwin V. Bonilla and John P. Cunningham and Pietro Michiardi and Maurizio Filippone},
journal= {arXiv preprint arXiv:1805.10522},
year = {2018}
}
备注
12 pages