麻省理工学院、佛罗里达大学和麻省理工学院-IBM沃森人工智能实验室(IBM Research)的研究人员发表了一篇名为“使用狄利克雷元模型的Post-hoc不确定性学习”的新技术论文(预印本)。
这项工作演示了如何量化其预测中的确定性水平，同时使用更少的计算资源。“不确定性量化对于机器学习模型的开发人员和用户都是至关重要的。开发人员可以利用不确定性度量来帮助开发更健壮的模型，而对于用户来说，当在现实世界中部署模型时，它可以增加另一层信任和可靠性。我们的工作为不确定性量化提供了一个更灵活和实用的解决方案，”电子工程-计算机科学研究生沈茂豪说，他是该论文的主要作者麻省理工学院新闻文章．
寻找技术论文在这里．2022年12月。
沈茂豪等，“基于Dirichlet元模型的事后不确定性学习”。arXiv预打印arXiv:2212.07359(2022)。
相关的
人工智能功耗暴增
指数级增长是不可持续的。但这一切都将走向何方?
人工智能在汽车领域的意义何在
真正的自主不会很快实现，但在这段时间内，会有很多有用的功能被采用。
Imec的计算路线图;美国对华为为目标;美印。特遣部队;China-Bolivia交易;布鲁克揭开了白光干涉测量系统;三星量化可持续性;麦肯锡指出了美国晶圆厂建设的问题;发光二极管。
留下回复