基于优化保形预测的瞬态引力波噪声伪影分类不确定性
广义相对论与量子宇宙学
2025-05-09 v2 高能天体物理现象
天体物理仪器与方法
摘要
随着机器学习（ML）算法在科学研究中的日益广泛应用，对可靠的不确定性量化的需求也随之产生。在进行测量时，仅提供结果是不够的，我们还必须声明对该测量的置信程度。当结果由 ML 算法获得时也是如此，甚至可以说更是如此，因为 ML 算法的内部工作原理通常不如传统统计方法透明。此外，许多 ML 算法不提供不确定性估计，必须应用辅助算法。保形预测（CP）是一个为 ML 点预测器提供此类不确定性量化的框架。在本文中，我们探讨了 CP 在引力波天文学中瞬态噪声分类背景下的应用与性质。具体而言，我们演示了 CP 在 Gravity Spy 瞬态噪声分类算法上的应用。CP 利用评分函数（即非一致性度量）将算法启发式的不确定性概念转化为严格的不确定性。我们利用在 Gravity Spy 上的应用来探讨不同非一致性度量的性能，并针对我们的应用对其进行优化。结果表明，最优的非一致性度量取决于具体应用以及用于量化性能的指标。
引用
@article{arxiv.2412.11801,
title = {Classification uncertainty for transient gravitational-wave noise artefacts with optimised conformal prediction},
author = {Ann-Kristin Malz and Gregory Ashton and Nicolo Colombo},
journal= {arXiv preprint arXiv:2412.11801},
year = {2025}
}