多视图数据的不确定性估计：看到全貌的力量
机器学习
2022-10-07 v1
摘要
不确定性估计对于使神经网络在真实世界应用中值得信赖至关重要。已有大量研究工作致力于量化和降低预测不确定性。然而，大多数现有工作针对单模态数据设计，而多视图不确定性估计尚未得到充分研究。因此，我们提出了一种新的多视图分类框架，用于更好的不确定性估计和域外样本检测，其中我们将每个视图与一个不确定性感知分类器相关联，并以原则性方式组合所有视图的预测。使用真实世界数据集的实验结果表明，我们提出的方法是一种准确、可靠且校准良好的分类器，在预期校准误差、对噪声的鲁棒性，以及域内样本分类和域外样本检测任务的准确率方面，主要优于所测试的多视图基线方法。
引用
@article{arxiv.2210.02676,
title = {Uncertainty Estimation for Multi-view Data: The Power of Seeing the Whole Picture},
author = {Myong Chol Jung and He Zhao and Joanna Dipnall and Belinda Gabbe and Lan Du},
journal= {arXiv preprint arXiv:2210.02676},
year = {2022}
}
备注
Accepted at NeurIPS2022