从神经网络模型外推：一个警示故事
核理论
2021-08-11 v1
摘要
我们提出三种不同方法来估计使用神经网络进行预测时的误差条。它们均代表外推误差的下界。例如，我们未包含对输入数据微小扰动的鲁棒性分析。首先，我们通过一个简单玩具模型说明这些方法，随后将其应用于若干与核质量相关的实际情形。通过使用由液滴模型或 Skyrme 能量密度泛函模拟的理论数据，我们在远离训练与验证所用区域的 Segrè 图中基准测试了神经网络的外推性能。最后，我们讨论误差条如何有助于识别外推何时变得过于不确定从而不可靠。
引用
@article{arxiv.2012.06605,
title = {Extrapolating from neural network models: a cautionary tale},
author = {A. Pastore and M. Carnini},
journal= {arXiv preprint arXiv:2012.06605},
year = {2021}
}