正则化与辅助信息在分布外检测中的重要性
机器学习
2023-01-03 v2
摘要
神经网络常被用于关键领域应用（例如自动驾驶汽车、金融市场和航空航天工程），尽管它们对模糊输入表现出过度自信的预测。这一缺陷揭示了一个基本漏洞，表明神经网络常常在虚假相关性上过拟合。为解决此问题，本文提出两个新颖目标，提升网络检测分布外样本的能力，从而避免对模糊输入做出过度自信的预测。我们通过实验证明，我们的方法优于基线，并且比大多数现有方法表现更好，同时仍与其余方法保持有竞争力的性能。此外，我们通过实验证明了我们的方法对常见扰动的鲁棒性，并展示了正则化与辅助信息在分布外检测中的重要性。
引用
@article{arxiv.2107.07564,
title = {On the Importance of Regularisation & Auxiliary Information in OOD Detection},
author = {John Mitros and Brian Mac Namee},
journal= {arXiv preprint arXiv:2107.07564},
year = {2023}
}
备注
Fixing errors