建模科学机器学习中的随机不确定性的概率神经网络 (PNNs)

💡 原文中文,约300字,阅读约需1分钟。
📝

内容提要

本研究使用概率神经网络(PNN)建模巧合不确定性,验证了PNN在建模巧合不确定性方面的有效性。

🎯

关键要点

  • 本研究使用概率神经网络(PNN)建模巧合不确定性。
  • PNN 生成目标变量的概率分布,能够在回归场景中确定预测均值和区间。
  • 实验证实了 PNN 在建模巧合不确定性方面的有效性。
  • PNN 在真实科学机器学习环境中产生接近 0.97 的高精度输出均值估计。
  • PNN 在预测区间方面的高相关系数为 0.80。
  • 研究为利用神经网络的复杂表示能力揭示科学问题中的复杂输入输出关系提供了贡献。
➡️

继续阅读