降低神经网络函数对输入空间系统不确定性的依赖
数据分析、统计与概率
2020-02-25 v2
摘要
神经网络在自然科学数据分析中的应用因许多输入受系统不确定性影响而变得复杂。为控制神经网络函数在这些系统不确定性范围内对输入空间变化的依赖，已有若干方法被提出。本工作中，我们提出一种训练神经网络的新方法，通过在损失函数中直接对神经网络输出的变化引入惩罚项。这仅以少量额外超参数为代价即可实现。它也可以通过将所有系统变化以统计权重的形式处理来实施。所提方法通过一个基于伪实验的简单示例以及来自高能粒子物理的一个较复杂示例加以演示。
引用
@article{arxiv.1907.11674,
title = {Reducing the dependence of the neural network function to systematic uncertainties in the input space},
author = {Stefan Wunsch and Simon Jörger and Roger Wolf and Günter Quast},
journal= {arXiv preprint arXiv:1907.11674},
year = {2020}
}