論文の概要: Towards Rigorous Design of OoD Detectors

• arxiv url: http://arxiv.org/abs/2306.08447v1
• Date: Wed, 14 Jun 2023 11:38:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-16 19:07:05.248219
• Title: Towards Rigorous Design of OoD Detectors
• Title（参考訳）: OoD検出器の剛性設計に向けて
• Authors: Chih-Hong Cheng, Changshun Wu, Harald Ruess, Saddek Bensalem
• Abstract要約: アウト・オブ・ディストリビューション(OoD)検出技術は、安全関連ニューラルネットワークに有効である。 現在の性能指向のOoD検出技術は,基準値の整合性を確保するには不十分である。 欠けているのは、OoD検出器の開発、検証、検証のための厳密な設計アプローチです。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Out-of-distribution (OoD) detection techniques are instrumental for safety-related neural networks. We are arguing, however, that current performance-oriented OoD detection techniques geared towards matching metrics such as expected calibration error, are not sufficient for establishing safety claims. What is missing is a rigorous design approach for developing, verifying, and validating OoD detectors. These design principles need to be aligned with the intended functionality and the operational domain. Here, we formulate some of the key technical challenges, together with a possible way forward, for developing a rigorous and safety-related design methodology for OoD detectors.
• Abstract（参考訳）: out-of-distribution(ood)検出技術は、安全関連ニューラルネットワークに有用である。 しかし,現在の性能指向OoD検出技術は,キャリブレーション誤差などの基準値の一致を考慮に入れているため,安全性の確保には不十分である。 欠けているのは、ood検出器の開発、検証、検証のための厳密な設計アプローチである。 これらの設計原則は、意図した機能と運用ドメインに適合する必要がある。 そこで我々は,ood検出器のための厳密で安全関連の設計手法を開発するための,今後の可能性とともに,重要な技術的課題のいくつかを定式化する。

関連論文リスト

• Convolutional Neural Network Design and Evaluation for Real-Time Multivariate Time Series Fault Detection in Spacecraft Attitude Sensors [41.94295877935867]
  本稿では,ドローンのような宇宙船の加速度計および慣性測定ユニット内のスタンプ値を検出するための新しい手法を提案する。 マルチチャネル畳み込みニューラルネットワーク(CNN)は、マルチターゲット分類を実行し、センサ内の障害を独立に検出するために使用される。 ネットワークの異常を効果的に検出し,システムレベルでの回復動作をトリガーする統合手法を提案する。
  論文  参考訳（メタデータ） (2024-10-11T09:36:38Z)
• A Flow-based Credibility Metric for Safety-critical Pedestrian Detection [16.663568842153065]
  自動走行(AD)における安全の重要性 標準評価スキームは、十分な検出性能を議論するために安全に依存しない指標を利用する。 本稿では,歩行者拘束箱を対象とした新しい信頼性指標であるc-flowを提案する。
  論文  参考訳（メタデータ） (2024-02-12T13:30:34Z)
• AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation Using Intelligent Sensing System [52.93806509364342]
  本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。 本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。 本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
  論文  参考訳（メタデータ） (2023-12-18T12:37:35Z)
• Cal-DETR: Calibrated Detection Transformer [67.75361289429013]
  本稿では,Deformable-DETR,UP-DETR,DINOのキャリブレーション検出トランス(Cal-DETR)のメカニズムを提案する。 我々は、不確実性を利用してクラスロジットを変調する不確実性誘導ロジット変調機構を開発する。 その結果、Cal-DETRは、ドメイン内およびドメイン外の両方を校正する競合する列車時間法に対して有効であることがわかった。
  論文  参考訳（メタデータ） (2023-11-06T22:13:10Z)
• Runtime Monitoring DNN-Based Perception [5.518665721709856]
  このチュートリアルは、読者に文学で提案されたテクニックを垣間見ることを目的としている。 まず、機械学習コミュニティで提案された古典的な手法から始め、形式的な手法コミュニティによって提案されたいくつかのテクニックを強調します。 私たちは、運用ドメイン外のデータ可用性が重要な役割を果たすモニターを厳格に設計する必要性を強調して、結論付けました。
  論文  参考訳（メタデータ） (2023-10-06T03:57:56Z)
• Reversible Quantization Index Modulation for Static Deep Neural Network Watermarking [57.96787187733302]
  可逆的データ隠蔽法(RDH)は潜在的な解決策を提供するが、既存のアプローチはユーザビリティ、キャパシティ、忠実性の面で弱点に悩まされている。 量子化指数変調(QIM)を用いたRDHに基づく静的DNN透かし手法を提案する。 提案手法は,透かし埋め込みのための1次元量化器に基づく新しい手法を取り入れたものである。
  論文  参考訳（メタデータ） (2023-05-29T04:39:17Z)
• Continual Detection Transformer for Incremental Object Detection [154.8345288298059]
  インクリメンタルオブジェクト検出(IOD)は、新しいオブジェクトカテゴリに対するアノテーションを備えた、フェーズ内のオブジェクト検出をトレーニングすることを目的としている。 他の段階的な設定として、IODは破滅的な忘れがちであり、知識蒸留(KD)や模範再生(ER)といった技術によってしばしば対処される。 本稿では,この文脈でKDとERを効果的に活用できるトランスフォーマーベースのIODを提案する。
  論文  参考訳（メタデータ） (2023-04-06T14:38:40Z)
• Countering detector manipulation attacks in quantum communication through detector self-testing [0.0]
  単一光子検出器による目隠し攻撃に対する脆弱性は、最大の懸念事項の1つだ。 本稿では,検知器の自己検査による動作確認手法を提案する。
  論文  参考訳（メタデータ） (2022-04-13T03:36:54Z)
• Evaluating the Safety of Deep Reinforcement Learning Models using Semi-Formal Verification [81.32981236437395]
  本稿では,区間分析に基づく半形式的意思決定手法を提案する。 本手法は, 標準ベンチマークに比較して, 形式検証に対して比較結果を得る。 提案手法は, 意思決定モデルにおける安全性特性を効果的に評価することを可能にする。
  論文  参考訳（メタデータ） (2020-10-19T11:18:06Z)
• NADS: Neural Architecture Distribution Search for Uncertainty Awareness [79.18710225716791]
  機械学習(ML)システムは、トレーニングデータとは異なるディストリビューションから来るテストデータを扱う場合、しばしばOoD(Out-of-Distribution)エラーに遭遇する。 既存のOoD検出アプローチはエラーを起こしやすく、時にはOoDサンプルに高い確率を割り当てることもある。 本稿では,すべての不確実性を考慮したアーキテクチャの共通構築ブロックを特定するために,ニューラルアーキテクチャ分布探索(NADS)を提案する。
  論文  参考訳（メタデータ） (2020-06-11T17:39:07Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。