基于距离学习的归纳式维恩预测器用于分类的可靠概率区间
机器学习
2021-10-08 v1
摘要
深度神经网络因其学习复杂非线性数据模式并在动态环境中做出准确预测的能力，常被自主系统使用。然而，它们作为黑箱的使用带来了风险，因为每次预测的置信度未知。已有不同框架被提出以计算准确的置信度度量并给出预测，但同时也引入了诸如执行时间开销或无法用于高维数据等局限。在本文中，我们使用归纳式维恩预测器（Inductive Venn Predictors）框架来实时计算关于每次预测正确性的概率区间。我们提出基于距离度量学习的分类法，以在涉及高维输入的应用中计算信息丰富的概率区间。在图像分类和物联网（IoT）应用中的僵尸网络攻击检测上的实证评估显示了准确性和校准的提升。所提方法计算高效，因此可用于实时。
引用
@article{arxiv.2110.03127,
title = {Reliable Probability Intervals For Classification Using Inductive Venn Predictors Based on Distance Learning},
author = {Dimitrios Boursinos and Xenofon Koutsoukos},
journal= {arXiv preprint arXiv:2110.03127},
year = {2021}
}
备注
Published in IEEE International Conference on Omni-Layer Intelligent Systems (COINS), 2021