sinat_41942180的博客

主要目的是评估模型的实际预测效果。因此，直接计算预测位置与真实位置的距离，更加直观和简单。这种评估方式能够清晰地反映出模型在实际应用中的性能。总结来说，训练时使用复杂的损失函数是为了更好地训练模型，使其在多个视角和不确定性估计上都有较好的表现；而测试时则采用更直接的误差度量方式来评估模型的实际预测效果。这样的设计有助于训练过程中模型参数的有效优化，并在测试时提供简洁明了的性能评估。

与正态-逆伽马分布混合的可信多模态回归 [22] Huan Ma, Zongbo Han, Changqing Zhang, Huazhu Fu, Joey Tianyi Zhou, and Qinghua Hu. 2021. Trustworthy Multimodal Regression with Mixture of Normal-inverse Gamma Distributions. Advances in Neural Information Processing Systems 34 (20

到目前为止，这是我必须审查的所有代码中唯一能运行的代码。R3: 作者真的花了很大的精力来提供可运行的代码，这是值得赞扬的。我们相信这项工作通过其广泛的适用性和可访问、易于使用的代码支持新的研究。

确定性神经网络（NNs）越来越多地部署在安全关键领域，在这些领域中，校准（calibrated）、鲁棒（robust）和有效的不确定性度量（）是至关重要的。在本文中，我们提出了一种新的方法来训练非贝叶斯神经网络（来估计连续目标及其相关证据（），以学习任意和认知的不确定性（。我们通过在原始高斯似然函数（上放置证据先验（，然后训练NN来推断证据分布）的超参数来实现这一点。我们在训练过程中增加先验，当预测证据与正确输出不对齐时，模型被正则化。​我们的方法不依赖于推理过程中的抽样，也不依赖于分布外（

代码链接：https://github.com/ICDM-UESTC/TrustGeo一、导入各种模块和数据库加载数据和IP聚类，这些导入语句是为了引入在后续代码中可能会使用到的数学、随机数、数据处理等工具和库。二、

代码链接：https://github.com/ICDM-UESTC/TrustGeo# 包含3个大规模的真实街道IP地理位置数据集。│ |── New_York # 从纽约市收集的街道级IP地理定位数据集，包括91,808个IP地址。│ |── Los_Angeles # 从洛杉矶收集的街道级IP地理定位数据集，包括92,804个IP地址。│ |── Shanghai # 收集自上海的街道级IP地理定位数据集，包括126,258个IP地址。

二、ScaledDotProductAttention类定义（NN模型）代码链接：https://github.com/ICDM-UESTC/TrustGeo# 包含3个大规模的真实街道IP地理位置数据集。│ |── New_York # 从纽约市收集的街道级IP地理定位数据集，包括91,808个IP地址。│ |── Los_Angeles # 从洛杉矶收集的街道级IP地理定位数据集，包括92,804个IP地址。

这是一个简单的注意力机制模块，用于计算注意力分数并将其应用于值（value）向量。该部分实现与RIPGeo中（三、SimpleAttention2类定义（NN模型）基本）一致RIPGeo代码理解（三）layers.py（注意力机制的代码）-CSDN博客'''q:[N1, d]k:[N2, d]v:[N2, d]'''这是一个简单的自注意力模块，实现了两个输入序列的注意力计算。这个模块的整体功能是接受三个输入张量qk和v，然后计算注意力权重，最后生成加权和的输出。

TrustGeo""":return:"""'''star-GNN''''''predict'''这是一个 PyTorch 中神经网络模型的类定义，它继承自nn.Module类，表明这个类是一个 PyTorch 模型。该块代码与RIPGeo部分一致RIPGeo代码理解（四）model.py（ RIPGeo的核心源代码）-CSDN博客evidence。

代码链接：https://github.com/ICDM-UESTC/TrustGeo# 包含3个大规模的真实街道IP地理位置数据集。│ |── New_York # 从纽约市收集的街道级IP地理定位数据集，包括91,808个IP地址。│ |── Los_Angeles # 从洛杉矶收集的街道级IP地理定位数据集，包括92,804个IP地址。│ |── Shanghai # 收集自上海的街道级IP地理定位数据集，包括126,258个IP地址。

代码链接：# 包含3个大规模的真实街道IP地理位置数据集。│ |── New_York # 从纽约市收集的街道级IP地理定位数据集，包括91,808个IP地址。│ |── Los_Angeles # 从洛杉矶收集的街道级IP地理定位数据集，包括92,804个IP地址。│ |── Shanghai # 收集自上海的街道级IP地理定位数据集，包括126,258个IP地址。# 包含模型（model）实现文件。

该存储库提供了TrustGeo框架的原始PyTorch实现。