生成模型的不确定性估计
机器学习
2023-03-03 v1 高能物理 - 实验
高能物理 - 唯象学
摘要
近年来，基于生成模型的全参数快速模拟方法已被提出用于多种高能物理探测器。就其本质而言，数据驱动模型的质量在数据稀疏的相空间区域会退化。由于机器学习模型难以从物理原理上分析，常用的测试程序以数据驱动方式执行，无法在此类区域可靠使用。在我们的工作中，我们提出了三种估计生成模型在训练相空间区域内与外不确定性的方法，以及数据驱动校准技术。还展示了在LHCb RICH快速模拟上对所述方法的测试。
引用
@article{arxiv.2210.09767,
title = {Generative models uncertainty estimation},
author = {Lucio Anderlini and Constantine Chimpoesh and Nikita Kazeev and Agata Shishigina},
journal= {arXiv preprint arXiv:2210.09767},
year = {2023}
}
备注
Under review in Journal Of Physics: Conference Series (ACAT-2021)