Fugu-MT 論文翻訳(概要): Qualitative Analysis of Monte Carlo Dropout

論文の概要: Qualitative Analysis of Monte Carlo Dropout

arxiv url: http://arxiv.org/abs/2007.01720v1
Date: Fri, 3 Jul 2020 14:40:56 GMT
ステータス: 処理完了
システム内更新日: 2022-11-14 04:45:08.390641
Title: Qualitative Analysis of Monte Carlo Dropout
Title（参考訳）: モンテカルロ液滴の定性的解析
Authors: Ronald Seoh
Abstract要約: ニューラルネットワーク(NN)モデルにおけるモデル不確実性を測定するために,モンテカルロ(MC)ドロップアウト法を定性的に解析する。実験の結果から,典型的なNNモデルにおけるMCドロップアウトの潜在的なメリットと関連するコストが示唆された。
参考スコア（独自算出の注目度）: 0.12691047660244334
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: In this report, we present qualitative analysis of Monte Carlo (MC) dropout method for measuring model uncertainty in neural network (NN) models. We first consider the sources of uncertainty in NNs, and briefly review Bayesian Neural Networks (BNN), the group of Bayesian approaches to tackle uncertainties in NNs. After presenting mathematical formulation of MC dropout, we proceed to suggesting potential benefits and associated costs for using MC dropout in typical NN models, with the results from our experiments.
Abstract（参考訳）: 本報告では,ニューラルネットワーク(nn)モデルにおけるモデル不確かさを測定するためにモンテカルロ(mc)ドロップアウト法を定性的に分析する。まず,nnにおける不確実性の源を考察し,nnにおける不確実性に取り組むベイズ的アプローチ群であるベイズニューラルネットワーク(bnn)について概説する。 MCドロップアウトの数学的定式化を行った結果,典型的なNNモデルにおけるMCドロップアウトの潜在的なメリットと関連するコストが提案され,その結果が得られた。

関連論文リスト

Uncertainty in Graph Neural Networks: A Survey [50.63474656037679]
グラフニューラルネットワーク(GNN)は、様々な現実世界のアプリケーションで広く使われている。しかし、多様な情報源から生じるGNNの予測的不確実性は、不安定で誤った予測につながる可能性がある。本調査は,不確実性の観点からGNNの概要を概観することを目的としている。
論文参考訳（メタデータ） (2024-03-11T21:54:52Z)
Single-shot Bayesian approximation for neural networks [0.0]
ディープニューラルネットワーク(NN)はその高い予測性能で知られている。 NNは不確実性を示すことなく、全く新しい状況に遭遇すると信頼できない予測を下す傾向にある。単発MCドロップアウト近似は,BNNの利点を保ちながら,NNと同じくらい高速であることを示す。
論文参考訳（メタデータ） (2023-08-24T13:40:36Z)
Evaluating Point-Prediction Uncertainties in Neural Networks for Drug Discovery [0.26385121748044166]
ニューラルネットワーク(NN)モデルは、薬物発見プロセスをスピードアップし、失敗率を低下させる可能性がある。 NNモデルの成功には不確実な定量化(UQ)が必要である。本稿では,薬物発見を目的としたNNモデルの予測不確かさを推定するUQ手法について検討する。
論文参考訳（メタデータ） (2022-10-31T03:45:11Z)
Posterior Regularized Bayesian Neural Network Incorporating Soft and Hard Knowledge Constraints [12.050265348673078]
本稿では,異なる種類の知識制約を組み込んだ後正規化ベイズニューラルネットワーク(PR-BNN)モデルを提案する。航空機着陸予測と太陽エネルギー出力予測のシミュレーション実験と2つのケーススタディにより,提案モデルの知識制約と性能改善が示された。
論文参考訳（メタデータ） (2022-10-16T18:58:50Z)
Variational Neural Networks [88.24021148516319]
本稿では,変分ニューラルネットワーク(VNN)と呼ばれるニューラルネットワークにおける不確実性推定手法を提案する。 VNNは、学習可能なサブレイヤで入力を変換することで、レイヤの出力分布のパラメータを生成する。不確実性評価実験において、VNNはモンテカルロ・ドロップアウトやベイズ・バイ・バックプロパゲーション法よりも優れた不確実性が得られることを示す。
論文参考訳（メタデータ） (2022-07-04T15:41:02Z)
A General Framework for quantifying Aleatoric and Epistemic uncertainty in Graph Neural Networks [0.29494468099506893]
Graph Neural Networks(GNN)は、グラフ理論と機械学習をエレガントに統合する強力なフレームワークを提供する。本稿では,モデル誤差と測定の不確かさからGNNの予測の不確かさを定量化する問題を考察する。ベイジアンフレームワークにおける両源の不確実性を扱うための統一的なアプローチを提案する。
論文参考訳（メタデータ） (2022-05-20T05:25:40Z)
Statistical model-based evaluation of neural networks [74.10854783437351]
ニューラルネットワーク(NN)の評価のための実験装置を開発する。このセットアップは、NNs vis-a-vis minimum-mean-square-error (MMSE)パフォーマンス境界のベンチマークに役立つ。これにより、トレーニングデータサイズ、データ次元、データ幾何学、ノイズ、トレーニング条件とテスト条件のミスマッチの影響をテストできます。
論文参考訳（メタデータ） (2020-11-18T00:33:24Z)
Provably Efficient Neural Estimation of Structural Equation Model: An Adversarial Approach [144.21892195917758]
一般化構造方程式モデル(SEM)のクラスにおける推定について検討する。線形作用素方程式をmin-maxゲームとして定式化し、ニューラルネットワーク(NN)でパラメータ化し、勾配勾配を用いてニューラルネットワークのパラメータを学習する。提案手法は,サンプル分割を必要とせず,確固とした収束性を持つNNをベースとしたSEMの抽出可能な推定手順を初めて提供する。
論文参考訳（メタデータ） (2020-07-02T17:55:47Z)
Frequentist Uncertainty in Recurrent Neural Networks via Blockwise Influence Functions [121.10450359856242]
リカレントニューラルネットワーク(RNN)は、シーケンシャルおよび時系列データのモデリングに有効である。 RNNにおける既存の不確実性定量化のアプローチは、主にベイズ法に基づいている。 a)モデルトレーニングに干渉せず、その精度を損なうことなく、(b)任意のRNNアーキテクチャに適用し、(c)推定不確かさ間隔に関する理論的カバレッジ保証を提供する。
論文参考訳（メタデータ） (2020-06-20T22:45:32Z)
Phase Detection with Neural Networks: Interpreting the Black Box [58.720142291102135]
ニューラルネットワーク(NN)は通常、予測の背後にある推論に対する洞察を妨げます。本研究では,1次元拡張スピンレスFermi-Hubbardモデルの位相を半充足で予測するために,NNのブラックボックスをいかに影響関数が解き放つかを示す。
論文参考訳（メタデータ） (2020-04-09T17:45:45Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。