随机神经网络的交叉验证与不确定性确定及其在移动传感器中的应用
机器学习
2022-01-02 v1 机器学习
信号处理
应用统计
摘要
随机人工神经网络(如极限学习机)在有限计算资源和绿色机器学习条件下为监督学习提供了一种有吸引力且高效的方法。这在为移动设备(传感器)配备弱人工智能时尤其适用。本文讨论了此类网络及回归方法在监督学习方面的一致性和泛化与预测误差界的结果。特别地，回顾了近期关于由移动传感器采样导致非平稳且依赖样本的学习的一些结果。由于随机网络导致随机的样本外性能度量，我们研究了一种交叉验证方法来处理随机性，并利用它改善样本外性能。此外，基于两阶段估计，讨论了一种以均值样本外预测误差置信区间形式确定所得不确定性的计算高效方法。该方法应用于车辆集成光伏中出现的一个预测问题。
引用
@article{arxiv.2101.01990,
title = {Cross-Validation and Uncertainty Determination for Randomized Neural Networks with Applications to Mobile Sensors},
author = {Ansgar Steland and Bart E. Pieters},
journal= {arXiv preprint arXiv:2101.01990},
year = {2022}
}