uncertainty

最新推荐文章于 2024-06-21 09:33:03 发布
最新推荐文章于 2024-06-21 09:33:03 发布
阅读量989 收藏
点赞数 1
分类专栏： AI
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013200703/article/details/89521159
版权

一共有两种uncertainty, 一种是axx, 另外一种是exx.
axx是数据相关的，exx是数据无关的。
计算数据相关的直接 predicted, 数据无关的直接多次求方差

多任务学习“Multi-Task Learning Using Uncertainty to Weigh Losses for Scene Geometry and Semantics”
cv_family_z的博客
12-08 1万+
多任务学习系统的性能很大程度上依赖于任务间的损失权值。手动调节权值非常耗时耗力，论文提出使用任务间的同方差不确定性给每个损失函数赋权。模型由单一图像同时学习像素级深度回归、语义及实例分割。场景理解的多任务学习在机器人领域比较实用，多个任务组合到一个模型可以降低计算量。多任务学习中每个任务的最优权值依赖于调节尺度、任务的噪声幅值。论文多任务学习的结构为： 相关工作 多任务学习可以认为是归纳知识迁移
uncertainty in deep learning
09-13
深度贝叶斯学习: In this work we develop tools to obtain practical uncertainty estimates in deep learning, casting recent deep learning tools as Bayesian models without changing either the models or the optimisation. In the first part of this thesis we develop the theory for such tools, providing applications and illustrative examples. We tie approximate inference in Bayesian models to dropout and other stochastic regularisation techniques, and assess the approximations empirically. We give example applications arising from this connection between modern deep learning and Bayesian modelling such as active learning of image data and data-efficient deep reinforcement learning. We further demonstrate the tools’ practicality through a survey of recent applications making use of the suggested techniques in language applications, medical diagnostics, bioinformatics, image processing, and autonomous driving. In the second part of the thesis we explore the insights stemming from the link between Bayesian modelling and deep learning, and its theoretical implications. We discuss what determines model uncertainty properties, analyse the approximate inference analytically in the linear case, and theoretically examine various priors such as spike and slab priors.
Uncertainty Estimation in GNN and Deep Learning（Paper Collection and Simple Notes）
我的技术栈碎碎念空间
08-30 1327
通俗地说，机器学习模型的输出结果不是板上钉钉的事儿，医疗诊断需要给出病症的判断概率，对于不确定的数据和模型参数，也需要给出模型的不确定度。 不确定性估计： 模型不确定性（感知不确定性，epistemic uncertainty） 模型不确定性通常源于对收集的训练数据的不认识。感知不确定性通过多次输出的方差来决定。 模型不确定制定在参数的分布上，通过先验分布预设模型，在给予一些训练数据后观察这个分布的变化。 可以被消除，需要增大数据量进行训练。 对于模型不确定性的实现比较简单：在train时使用dropo
神经机器翻译（NMT）中的不确定性（Uncertainty）应用思考
程序员阿浪
09-03 1344
神经机器翻译（NMT）中的不确定性（Uncertainty）应用思考前言什么是不确定性？Uncertainty 应用NMT中量化Uncertainty的常见思路总结 前言 本文的目的是帮助笔者对实习一个多月来调研的NMT不确定性课题进行整理和复盘，笔者以个人较为粗浅的理解阐述不确定性在NMT领域的State-of-the-art(SOTA)研究工作，以及近年来学术界在NMT uncertainty这个方向的着眼点。大家取其精华去其糟粕，如有谬误欢迎各位批评指正～ 什么是不确定性？ 不确定性（Uncertai
神经网络不确定性综述(Part II)——Uncertainty estimation_Single deterministic methods
Rad1ant_up的博客
05-22 1586
(Survey Part II) Uncertainty estimation-Deterministic methods
Uncertainty
03-30
标题中的“Uncertainty”在IT领域，特别是在数据分析、机器学习和人工智能中，是一个重要的概念。它涉及到对模型预测结果的不确信度或数据本身的不确定性。在这个上下文中，我们可以理解这个压缩包可能包含一系列的...
Uncertainty.Toolbox_不确定理论工具箱_uncertainty_
10-03
《Uncertainty Toolbox》是基于MATLAB的一个工具箱，主要用于处理和分析不确定性理论相关的问题。这个工具箱包含了多种函数和脚本，旨在帮助用户理解和应用不确定理论来解决实际问题。不确定理论是一门研究不确定性...
python输入不确定个参数_如何使用Python确定拟合参数的不确定性？
weixin_39757122的博客
12-03 412
I have the following data for x and y:x y1.71 0.01.76 5.01.81 10.01.86 15.01.93 20.02.01 25.02.09 30.02.20 35.02.32 40.02.47 45.02.65 50.02.87 55.03.16 60.03.5...
论文笔记：Simple and Scalable Predictive Uncertainty Estimation using Deep Ensembles
weixin_40371649的博客
04-08 3424
Balaji Lakshminarayanan Alexander Pritzel Charles Blundell DeepMind {balajiln,apritzel,cblundell}@google.com 提出问题 1. 神经网络容易产生过于自信的预测，而错误预测的代价不可接受，必须要估计不确定度。 2. 让网络知道自己知道什么。在领域外预测（out-of-distribution）输...
Python库 | uncertainties-2.1.tar.gz
05-24
资源分类：Python库 所属语言：Python 资源全名：uncertainties-2.1.tar.gz 资源来源：官方 安装方法：https://lanzao.blog.csdn.net/article/details/101784059
探索深度学习的不确定性：uncertainty-deep-learning 项目推荐
最新发布
gitblog_00013的博客
06-21 727
探索深度学习的不确定性：uncertainty-deep-learning 项目推荐 去发现同类优质开源项目:https://gitcode.com/ 1、项目介绍 在机器学习领域，尤其是在深度学习中，预测的准确性至关重要，而理解模型的不确定性则是提升这一准确性的关键步骤。uncertainty-deep-learning 是一个专注于不确定性和模型校准的开源项目，它提供了简单易用的基础方法，帮助...
Uncertainty Loss不确定损失
weixin_44385551的博客
09-12 8220
Uncertainty Loss不确定损失 背景：用于multi-task learning多任务学习 论文：Multi-task learning using uncertainty to weigh losses for scene geometry and semantics. 过去：两个子任务的Loss简单加权和。权重是超参数，需要人力调参。 本文思想：权重也作为可训练参数。 具体来说是建模任务间的同方差不确定性 。 （1）多任务学习 多任务学习可以认为是归纳知识迁移，通过共享互补任务的域信息提升泛
uncertainties: Python的不确定性和蒙特卡洛模拟库
gitblog_00005的博客
03-12 710
uncertainties: Python的不确定性和蒙特卡洛模拟库 去发现同类优质开源项目:https://gitcode.com/ 项目简介 uncertainties是一个用于处理有不确定性的数值的Python库。它提供了一种简单的方法来表示具有不确定性（标准偏差或误差）的值，并可以方便地进行数学运算和统计分析。此外，uncertainties还支持蒙特卡洛模拟，可以帮助您更好地理解数据的不...
uncertainty weighted loss
Citroooon的博客
09-10 1398
背后的含义是： Loss 大的任务，包含的uncertainty也应该多，而它的权重就应该小一点。典型的例子是二分类任务 + 回归任务的多目标优化，L2 Loss 和交叉熵损失的 Loss 大小与梯度大小的量级和幅度可能差异很大，如果不处理会对优化造成很大干扰。为直接建模的uncertainty，是一个可学习的参数。总 Loss 设计成这样的形式，模型优化过程中会倾向于惩罚高 Loss 而低 公式 的情况（如果一个任务的 Loss 高，同时 公式 又小的话，这一项就会很大，优化算法就会倾向于优化它）。
cvpr 深度估计_无监督单目视频深度估计中的uncertainty方法(CVPR'20)
weixin_33164198的博客
12-30 1018
Contribution对11种使用uncertainty方法的全面评估深度挖掘uncertainty对depth estimation起到的作用提出一个新颖的self-teaching方法去model uncertainty文中使用的uncertainty estimation分为两个类别：empirical uncertainty estimation和predictive uncertain...
深度学习中的不确定性量化:技术、应用和挑战综述（一）
liangdaojun的博客
05-06 4615
不确定性量化(UQ)在减少优化和决策过程中的不确定性方面起着关键作用，应用于解决各种现实世界的科学和工程应用。贝叶斯近似和集成学习技术是文献中使用最广泛的两种UQ方法。在这方面，研究人员提出了不同的UQ方法，并测试了它们在各种应用中的性能，如计算机视觉(如自动驾驶汽车和物体检测)、图像处理(如图像恢复)、医学图像分析(如医学图像分类和分割)、自然语言处理(如文本分类、社交媒体文本和惯犯风险评分)、生物信息学等。
expand uncertainty
05-30
在数学和科学中，"不确定性（uncertainty）"通常指的是我们对某个量的测量结果的不确定度或误差范围。在 MATLAB 中，"不确定性（uncertainty）"也是一个重要的概念，它用于描述测量数据的误差范围和可信度。 MATLAB...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值