多様性正則化によるアンサンブルにおけるロバスト性とキャリブレーションの改善【JST・京大機械翻訳】

Mehrtens Hendrik Alexander; Gonzalez Camila; Mukhopadhyay Anirban

プレプリント

J-GLOBAL ID：202202200778462846 整理番号：22P0280068

多様性正則化によるアンサンブルにおけるロバスト性とキャリブレーションの改善【JST・京大機械翻訳】

Improving robustness and calibration in ensembles with diversity regularization

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年01月26日プレプリントサーバーでの情報更新日： 2022年01月26日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

較正と不確実性推定は,ハイリスク環境における重要な話題である。分布外サンプルを用いる分類タスクのための新しい多様性正則化器を導入し,アンサンブルの全体の精度,キャリブレーションおよび分布外検出能力を増加させた。アンサンブルの多様性における最近の関心に続いて,著者らは,データセットシフトの下でと同様に,分布データに関するキャリブレーションを改善するために,明示的に正則化するアンサンブル多様性の実行可能性を系統的に評価する。多様性正則化はアーキテクチャにおいて高度に有益であり,そこでは重みが個々のメンバー間で部分的に共有され,同じレベルのロバスト性に達するためにより少ないアンサンブルメンバーの使用を可能にすることを示した。CIFAR-10,CIFAR-100,およびSVHNに関する実験は,正則化多様性が,キャリブレーションとロバスト性,ならびに,分布外検出に著しい影響を与えることを示した。【JST・京大機械翻訳】

, , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能

, , , ,

前のページに戻る