Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Riferimenti
Breiman, L. 2001. «Foreste casuali». Machine Learning. https://doi.org/10.1023/A:1010933404324
Estlund, D. M. 1994. «Opinion Leader, Indipendenza e teorema della giuria di Condorcet.» Teoria e decisione.https://doi.org/10.1007/BF01079210
Fort, S., H. Hu e B. Lakshminarayanan. 2019. «Deep Ensemble: Una prospettiva di perdita del paesaggio.» 2, 1—14.https://arxiv.org/abs/1912.02757
Freund, Y. e R.E. Schapire. 1996. «Sperimenta con un nuovo algoritmo di potenziamento». Atti del13a International Conference on Machine Learning.https://dl.acm.org/doi/10.5555/3091696.3091715
Gal, Y. 2016. «Incertezza nel deep learning.» Dipartimento di Ingegneria. Università di Cambridge.
Gal, Y. e Z. Ghahramani. 2016. «Abbandono come approssimazione bayesiana: Rappresentare l'incertezza del modello nel deep learning.» In International Conference on Machine Learning (ICML 2016).https://arxiv.org/abs/1506.02142
Guo, C., G. Pleiss, Y. Sun e K.Q. Weinberger. 2017. «Sulla calibrazione delle reti neurali moderne». In International Conference on Machine Learning (ICML 2017).https://arxiv.org/abs/1706.04599
Hein, M., M. Andriushchenko e J. Bitterwolf. 2019. «Perché le reti ReLu producono previsioni ad alta fiducia lontane dai dati di formazione e come mitigare il problema». 2019. Atti della IEEE Computer Society Conference on Computer Vision and Pattern Recognition(giugno 2019): 41-50.https://doi.org/10.1109/CVPR.2019.00013
Kendall, A. e Y. Gal. 2017. «Di quali incertezze abbiamo bisogno nel deep learning bayesiano per la visione computerizzata?» Progressi nei sistemi di elaborazione delle informazioni neurali.https://papers.nips.cc/paper/7141-what-uncertainties-do-we-need-in-bayesian-deep-learning-for-computer-vision
Lakshminarayanan, B., A. Pritzel e C. Blundell. 2017. «Stima dell'incertezza predittiva semplice e scalabile con Deep Ensemble.» Progressi nei sistemi di elaborazione delle informazioni neurali.https://arxiv.org/abs/1612.01474
Liu, Y., M. Ott, N. Goyal, J. Du, M. Joshi, D. Chen, O. Levy, M. Lewis, L. Zettlemoyer e V. Stoyanov. 2019. «Roberta: Un approccio di pre-allenamento BERT robusto ottimizzato.» https://arxiv.org/abs/1907.11692
Nado, Z., S. Padhy, D. Sculley, A. D'Amour, B. Lakshminarayanan e J. Snoek. 2020. «Valutazione della normalizzazione dei Batch di tempo di previsione per la robustezza in Covariate Shift.» https://arxiv.org/abs/2006.10963
Nalisnick, E., A. Matsukawa, Y.W. Teh, D. Gorur e B. Lakshminarayanan. 2019. «I modelli generativi profondi sanno cosa non sanno?» 7° Conferenza Internazionale sulle Rappresentanze Learning (ICLR 2019).https://arxiv.org/abs/1810.09136
Ovadia, Y., E. Fertig, J. Ren, Z. Nado, D. Sculley, S. Nowozin, J.V. Dillon, B. Lakshminarayanan e J. Snoek. 2019. «Puoi fidarti dell'incertezza del tuo modello? Valutazione dell'incertezza predittiva sotto lo spostamento del set di dati.» 33a Conferenza sui sistemi di elaborazione delle informazioni neurali (NEuriPS 2019).https://arxiv.org/abs/1906.02530
Platt, J. e altri. 1999. «Output probabilistici per macchine vettoriali di Support e confronti con metodi di probabilità regolarizzati.» Avanzamenti nei classificatori di margini di grandi dimensioni.http://citeseer.ist.psu.edu/viewdoc/summary?doi=10.1.1.41.1639
Srivastava, N., G. Hinton, A. Krizhevsky, I. Sutskever e R. Salakhutdinov. 2014. «Abbandono: Un modo semplice per impedire alle reti neurali di sovrascrivere.» Giornale di ricerca sul Machine Learning.https://www.cs.toronto.edu/~hinton/absps/JMLRdropout.pdf
da Amersfoort, J., L. Smith, Y.W. Teh e Y. Gal. 2020. «Stima dell'incertezza utilizzando una singola rete neurale profonda deterministica». Conferenza internazionale per Machine Learning.https://arxiv.org/abs/2003.02037
Warstadt, A., A. Singh e S.R. Bowman. 2019. «Giudizi di accettabilità della rete neurale». Operazioni dell'Associazione per la linguistica computazionale.https://doi.org/10.1162/tacl_a_00290
Wilson, A. G. e P. Izmailov. 2020. «Deep Learning bayesiano e una prospettiva probabilistica della generalizzazione». https://arxiv.org/abs/2002.08791