基于假设驱动的深度学习进行外部分布检测
原文中文,约400字,阅读约需1分钟。发表于: 。我们提出了一种基于假设的方法来确定新样本是属于训练集范围内还是超出范围,在黑盒系统中,通过深度神经网络 (DNN) 计算超出范围 (Out-of-Distribution, OoD) 的隐含回应,并将 OoD 检测问题形式化为不同组的隐含回应之间的假设检验。我们将这种方法应用于一个训练好的深度学习模型,用以检测未知的细菌样本,并展示了其在 InD 和 OoD...
我们提出了一种基于假设的方法来确定新样本是属于训练集范围内还是超出范围。通过深度神经网络计算超出范围的隐含回应,并将问题形式化为假设检验。该方法应用于检测未知的细菌样本,并揭示了可解释的差异。对于新颖性检测和分类器的决策具有重要意义。