使用生成方法的不确定性量化
机器学习
2023-10-17 v1 人工智能
摘要
我们提出增量生成蒙特卡洛（IGMC）方法，旨在利用深度生成方法度量深度神经网络中的不确定性。IGMC 迭代地训练生成模型，将其输出加入数据集，以计算随机变量期望的后验分布。我们提供了 IGMC 相对于样本量与采样深度的收敛速率的理论保证。由于与深度生成方法的兼容性，IGMC 可适配于神经网络分类与回归任务。我们在 MNIST 数字分类任务上实证研究了 IGMC 的行为。
引用
@article{arxiv.2310.09338,
title = {Uncertainty Quantification using Generative Approach},
author = {Yunsheng Zhang},
journal= {arXiv preprint arXiv:2310.09338},
year = {2023}
}