Capsa：一种统一量化深度神经网络风险的框架
机器学习
2023-08-02 v1 人工智能
摘要
大规模深度神经网络（NNs）在现代的普及源于其在复杂问题上的卓越表现，但也受其突发、意外且往往灾难性故障的困扰，尤其在具有挑战性的场景中。现有为NNs提供风险感知的算法复杂且临时拼凑：这些方法需要显著的工程改动，通常仅针对特定设置开发，且不易组合。本文提出capsa，一种通过风险感知扩展模型的框架。Capsa提供了一种量化多种风险形式并将不同算法组合以并行量化不同风险指标的方法论。我们通过在capsa框架内实现最先进的不确定性估计算法并在复杂感知数据集上基准测试来验证capsa。我们展示了capsa在单一流程中轻松组合偶然不确定性、认知不确定性和偏差估计的能力，并说明该方法如何提供对NN风险的全面感知。
引用
@article{arxiv.2308.00231,
title = {Capsa: A Unified Framework for Quantifying Risk in Deep Neural Networks},
author = {Sadhana Lolla and Iaroslav Elistratov and Alejandro Perez and Elaheh Ahmadi and Daniela Rus and Alexander Amini},
journal= {arXiv preprint arXiv:2308.00231},
year = {2023}
}
备注
Neural Information Processing Systems (NeurIPS) 2022. Workshop on Machine Learning for Autonomous Driving (ML4AD)