Uncertainty-Wizard：快速且用户友好的神经网络不确定性量化工具
机器学习
2021-01-29 v2 软件工程
摘要
不确定性与置信度已被证明是深度学习测试（包括测试数据选择与系统监督）所提出各类技术中的有用度量。我们提出 uncertainty-wizard，一个可对人工神经网络中的此类不确定性与置信度进行量化的工具。它构建于业界领先的 tf.keras 深度学习 API 之上，并提供近乎透明且易于理解的接口。同时，它包含了主要的性能优化，我们已在两台不同机器及不同配置下进行了基准测试。
引用
@article{arxiv.2101.00982,
title = {Uncertainty-Wizard: Fast and User-Friendly Neural Network Uncertainty Quantification},
author = {Michael Weiss and Paolo Tonella},
journal= {arXiv preprint arXiv:2101.00982},
year = {2021}
}
备注
Accepted for publication at the IEEE International Conference on Software Testing, Verification and Validation 2021