基于藤Copula的深度模型回溯不确定性估计
机器学习
2023-02-27 v1
摘要
尽管深度模型作为学习机器取得了重大进展，不确定性估计仍是一项主要挑战。现有方案依赖于修正的损失函数或架构改动。我们提出通过在任何网络之后回溯性地补充一个后续的藤 copula 模型，来弥补内置不确定性估计的缺失，这一整体复合模型称为藤Copula神经网络（VCNN）。通过合成与真实数据实验，我们表明 VCNN 可独立于任务（回归/分类）与架构（循环、全连接），同时提供可靠且校准更好的不确定性估计，可与最先进的（SOTA）内置不确定性方案相媲美。
引用
@article{arxiv.2302.12606,
title = {Retrospective Uncertainties for Deep Models using Vine Copulas},
author = {Nataša Tagasovska and Firat Ozdemir and Axel Brando},
journal= {arXiv preprint arXiv:2302.12606},
year = {2023}
}
备注
Accepted at AISTATS 2023