nfa确定化 dfa最小化_深度学习中的不确定性

原文：What Uncertainties Do We Need in Bayesian Deep Learning for Computer Vision? (NIPS 2017)

深度学习模型给出的预测结果并不总是可靠的。在无人驾驶等安全性要求较高的领域中，完全依赖深度模型进行决策有可能导致灾难性的后果。如果能够让深度学习模型对于错误的预测给出一个较高的不确定性，我们就能判断一个预测结果可信程度。因此，我们需要对不确定性进行建模。

衡量不确定性最直观的方法就是方差。对于一组数据

，其方差的计算公式如下：

一个单独输出值是得不到方差的。如果说我们能够用同一个模型，对同一个样本进行T次预测，而且这T次的预测值各不相同，就能够计算方差。问题是同一个模型同一个样本，怎么得到不同的输出呢？概率学家就说了，我们让学到的模型参数

不是确定的值，而是一个分布，那么就可以从这个分布中采样，每一次采样，得到的weight都是不同的，这样结果也是不同的，目的就达到了。

但是，怎么学习这样的分布呢？概率学家又说了，有现成的呀，dropout就是。使用了dropout来训练DNN时，模型的参数可以看成是服从一个伯努利分布。在预测的时候，仍然将dropout打开，预测T次，均值就是最终的预测值，而方差就是不确定度。这样就得到深度学习的不确定度了。这种方法也被称为MC Dropout贝叶斯神经网络。

但是，不确定性有两种。一种称之为偶然不确定性（Aleatoric Uncertainty），是由于观测数据中的固有噪声导致的。这种不确定性是无法被消除的。另外一种称之为感知不确定性（Epistemic Uncertainty），与模型相关，是由于训练不完全导致的。如果给它更多的训练数据来弥补现有模型知识上的不足，这种不确定性从理论上来说是可以消除的。MC Dropout只能得到关于模型的感知不确定性，而不能捕获数据的偶然不确定性，这是有问题的。这就是本文要解决的问题了。

---

贝叶斯神经网络

假定模型参数服从一个高斯先验分布：

。给定观测数据集

时，可以使用贝叶斯推断来计算模型参数的后验分布

。对于回归任务，通常假定似然是一个高斯分布：

。其中，

为模型的输出，

为噪声项。而对于分类任务，则经常对输出进行归一化，用softmax对其进行压缩处理：

。

贝叶斯神经网络虽然很好定义，但是实际操作起来比较困难。主要原因在于边际分布

没法算。而这一项又是贝叶斯推断所必需的。因此只能通过近似的方法来逼近真实的参数分布。

贝叶斯推断公式：

Dropout变分推断是一种常用的近似方法。这种方法在除了在训练时要使用dropout之外，在预测时，也要将dropout打开，执行T次预测取其平均值。理论证明这种方法等价于在最小化KL散度。

利用Dropout进行训练时，其最小化目标为

其中，第一项为负对数似然，第二项为正则化参数。

为dropout中的随机失活率。

。

为数据点个数。

在回归任务中，通常假设似然是一个高斯分布，那么负对数似然可以写为如下形式：

表示模型输出值的噪声，一定意义上衡量了输出的不确定程度。

感知不确定性

感知不确定性是关于模型参数的。为了捕获这个不确定性，我们可以从模型参数的分布中采样多次，得到

个模型，用这

个模型对同一个样本做预测，看看

次的预测结果有多么的不稳定。

对于分类问题，

次预测的概率为：

其中，

。不确定性可以用熵来衡量：

。

对于回归问题，不确定性可以用输出值的方差来表示：

其中，

表示输出的均值。

偶然不确定性

偶然不确定性衡量的是数据本身存在的噪声，某种程度上衡量了一个instance的预测难度，因此可以将它看作是instance的一个函数：对于预测结果比较离谱的instance，这个函数值应该比较大；而对于容易预测的instance，相应的函数值应该较小。可以用以下的损失函数来对其进行建模，

即表示

偶然不确定性。这里没有对模型参数执行变分推断，而是用了MAP，只能得到一组单一的模型参数值而不是一个分布，因而也无法捕获模型参数的感知不确定性。由此而实现了两种不确定性的分离。

简单来说，感知不确定性是用多次预测结果的方差来决定的，在多次预测中，所用的模型参数都是不一样的，因此这种做法捕获了模型参数的感知不确定性。而偶然不确定性是由样本的特征决定的，和模型参数是无关的。

---

将两种不确定性结合

回归任务

为了将两种不确定性结合到同一个模型中，我们需要两组输出：一组是最终的预测结果

，另一组是样本的偶然不确定性

。即

通过最小化以下的损失函数来训练模型：

在论文中的深度回归任务中，

表示图片

中的像素点数量，

为像素的索引。上面的损失包含了两部分：一部分是回归模型的残差，用于捕获模型参数的感知不确定性；另一部分是像素点的偶然不确定性，充当正则化项。注意到，在学习偶然不确定性时，其实是不需要标记的。如果一个像素

很难预测对，为了最小化整个损失，

会相应地变大，而

又会防止

变得无穷大。并不需要

的ground truth。

实际训练中，

其实相当于一项自适应的权重，对于难以预测的样本，数据中存在较多的固有噪声，这项权重比较小；而对于容易预测的样本，数据中存在的固有噪声比较少，这项权重会比较大。这会让模型在训练过程中区别地对待不同的样本。

分类任务

在分类任务中，对于一个像素

，模型会输出一个预测向量

，然后再通过softmax操作得到一组概率

。假定预测向量服从一个高斯分布：

这里

和

是网络参数为

时的输出。相当于对向量

施加了一个方差为

的噪声。

训练模型的损失函数可以写为：

第二项实则为交叉熵损失函数化简后的结果。

交叉熵损失的简单推导：
假定一共有C个类别，像素

属于类别

，

，那么像素

交叉熵损失为

因为要执行T次预测，因此损失也要取T次的平均，由此得到了公式 (1)。

简单来说，贝叶斯神经网络或者MC Dropout能够捕获感知不确定性，额外添加的

则用来捕获偶然不确定性。