迭代神经网络中的不确定性估计
原文中文，约300字，阅读约需1分钟。发表于：。将逐级网络架构转化为迭代网络架构是性能提升的众所周知方法，本文提出这样的网络架构不仅具有性能提升的好处，而且其输出的收敛速率与收敛值的精确度密切相关，因此我们可以将收敛速率作为一种有用的不确定性代理方法，通过这种方法可以以比集成技术更低的计算成本提供最先进的不确定性估计，并且无需对原始迭代模型进行任何修改。我们将其嵌入两个应用领域进行实际价值展示：航空影像中的道路检测和 2D 和 3D 形状的气动性能估计。
本文提出了一种将逐级网络架构转化为迭代网络架构的方法，通过收敛速率作为不确定性代理方法，提高了性能并以较低的计算成本提供最先进的不确定性估计。实际应用领域包括航空影像中的道路检测和形状的气动性能估计。
