論文の概要: Revisiting Neural Activation Coverage for Uncertainty Estimation

• arxiv url: http://arxiv.org/abs/2604.22360v1
• Date: Fri, 24 Apr 2026 08:48:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-27 15:36:26.405115
• Title: Revisiting Neural Activation Coverage for Uncertainty Estimation
• Title（参考訳）: 不確実性推定のためのニューラルアクティベーションカバーの再検討
• Authors: Benedikt Franke, Nils Förster, Frank Köster, Asja Fischer, Markus Lange, Arne Raulf,
• Abstract要約: ニューラルアクティベーションカバレッジ(NAC)は、最近提案されたアウト・オブ・ディストリビューションの検出と一般化のためのテクニックである。 我々は、この有望な基盤の上に構築し、回帰領域における既に訓練済みの人工ニューラルネットワークの不確実性推定手法として機能するように拡張する。
• 参考スコア（独自算出の注目度）: 9.177065978776428
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neural activation coverage (NAC) is a recently-proposed technique for out-of-distribution detection and generalization. We build upon this promising foundation and extend the method to work as an uncertainty estimation technique for already-trained artificial neural networks in the domain of regression. Our experiments confirm NAC uncertainty scores to be more meaningful than other techniques, e.g. Monte-Carlo Dropout.
• Abstract（参考訳）: ニューラルアクティベーションカバレッジ(NAC)は、最近提案されたアウト・オブ・ディストリビューションの検出と一般化のためのテクニックである。 我々は、この有望な基盤の上に構築し、回帰領域における既に訓練済みの人工ニューラルネットワークの不確実性推定手法として機能するように拡張する。 実験の結果,NACの不確実性スコアは他の手法,例えばモンテカルロ・ドロップアウトよりも有意義であることが確認された。

関連論文リスト

• Epistemic Wrapping for Uncertainty Quantification [6.967551514640606]
  不確実性推定は機械学習、特に分類タスクにおいて重要である。 分類における不確実性評価を改善することを目的とした,新しいエピステミック・ラッピング手法を提案する。
  論文  参考訳（メタデータ） (2025-05-04T22:15:56Z)
• Uncertainty Estimation by Fisher Information-based Evidential Deep Learning [61.94125052118442]
  不確実性推定は、ディープラーニングを実用アプリケーションで信頼できるものにする鍵となる要素である。 漁業情報に基づくエビデンシャルディープラーニング(mathcalI$-EDL)を提案する。 特に,各サンプルが有する証拠の情報量を測定するためにFisher Information Matrix (FIM)を導入し,目的的損失項を動的に重み付けし,不確実なクラスの表現学習に集中させる。
  論文  参考訳（メタデータ） (2023-03-03T16:12:59Z)
• Fast Uncertainty Estimates in Deep Learning Interatomic Potentials [0.0]
  本研究では,単一ニューラルネットワークを用いて,アンサンブルを必要とせずに予測不確実性を推定する手法を提案する。 本研究では,不確実性の推定値の品質が深層アンサンブルから得られた値と一致することを示す。
  論文  参考訳（メタデータ） (2022-11-17T20:13:39Z)
• 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)
• NUQ: Nonparametric Uncertainty Quantification for Deterministic Neural Networks [151.03112356092575]
  本研究では,Nadaraya-Watson の条件付きラベル分布の非パラメトリック推定に基づく分類器の予測の不確かさの測定方法を示す。 種々の実世界の画像データセットにおける不確実性推定タスクにおいて,本手法の強い性能を示す。
  論文  参考訳（メタデータ） (2022-02-07T12:30:45Z)
• Sparse Deep Learning: A New Framework Immune to Local Traps and Miscalibration [12.05471394131891]
  我々は、上記の問題を一貫性のある方法で解決する、疎いディープラーニングのための新しいフレームワークを提供する。 我々はスパース深層学習の理論的基礎を築き,スパースニューラルネットワークの学習に先立つアニールアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-10-01T21:16:34Z)
• On the Practicality of Deterministic Epistemic Uncertainty [106.06571981780591]
  決定論的不確実性法(DUM)は,分布外データの検出において高い性能を達成する。 DUMが十分に校正されており、現実のアプリケーションにシームレスにスケールできるかどうかは不明だ。
  論文  参考訳（メタデータ） (2021-07-01T17:59:07Z)
• Objective Evaluation of Deep Uncertainty Predictions for COVID-19 Detection [15.036447340859546]
  ディープニューラルネットワーク(DNN)は、医療画像におけるCOVID-19の検出に広く適用されています。 胸部X線(CXR)画像を用いた3つの不確実性定量化手法の適用と評価を行った。
  論文  参考訳（メタデータ） (2020-12-22T05:43:42Z)
• 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)

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。