有选择的学习:带动态正则化的鲁棒校准
原文中文,约300字,阅读约需1分钟。发表于: 。深度学习中的误校准问题是指预测的置信度与性能之间存在差异。我们提出一种叫做 Dynamic Regularization (DReg) 的方法,通过动态调整正则化以提高模型的可靠性,适应于超出模型能力范围的样本,在理论和实证分析中已证明其优于之前的方法。
深度学习中的误校准问题是指预测的置信度与性能之间存在差异。提出一种叫做Dynamic Regularization (DReg)的方法,通过动态调整正则化以提高模型的可靠性,适应于超出模型能力范围的样本,在理论和实证分析中已证明其优于之前的方法。