BriefGPT - AI 论文速递
·
集成不确定性度量以提高黑盒分类器的安全性
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种新的增强算法ProBoost，利用每个训练样本的不确定性确定最具挑战性的样本，提高下一个弱学习器的相关性。实验评估表明，ProBoost在MNIST数据集上能显著提高性能。
🎯
关键要点
- 提出了一种新的增强算法ProBoost。
- ProBoost利用每个训练样本的认识不确定性确定最具挑战性的样本。
- 该算法提高了下一个弱学习器的相关性。
- 生成一个逐渐聚焦于具有最高不确定性的样本的序列。
- 介绍了三种操作训练集的方法和两种集成组合的方法。
- 研究了基于变分推断或蒙特卡洛丢失的不确定性估计的概率模型。
- 在MNIST基准数据集上进行的实验评估表明ProBoost显著提高性能。
➡️
