新型快速方法将增强神经网络在数据中预测其答案
深度学习神经网络是一种人工智能系统，正在被用于越来越重要的决策，例如从自动驾驶到诊断医疗条件等各种任务。这种类型的网络擅长识别大型和复杂数据集中的模式，以帮助决策。一个很大的挑战是确定神经网络的判断是否正确。麻省理工学院和哈佛大学的研究人员开发了一种快速的方法，让神经网络在数据中提供预测资深对其答案的信心水平。
该项目的研究人员认为，他们的系统可以拯救生命，因为深度学习已经部署在现实世界中。
目前，神经网络的不确定性来自于计算成本往往很高，而且对于瞬间的决策来说速度太慢。研究人员设计的方法被称为 “深度证据回归”，加快了这一过程，可能会带来更安全的结果。该项目的研究人员表示，我们需要有能力拥有高性能的模型，并了解何时不能信任模型的结果。
深度学习已经在各种任务中表现出令人印象深刻的性能。在某些情况下，它已经能够超越人类的准确性。这些网络擅长在99%的时间内找到正确的答案，但在生命攸关的情况下，任何错误都是不可接受的。研究人员设计了一种使用神经网络的单次运行来估计不确定性的方法。该网络设计了一个增加的输出产生一个决定和一个新的概率分布捕捉支持其决定的证据。这些分布被称为证据分布，直接捕获模型对其预测的信心。
研究人员使用一个具有挑战性的计算机视觉任务来测试他们的系统。他们训练神经网络分析双目彩色图像，并估计每个像素的距离值，这是一个自主驾驶车辆可能执行的任务，结果显示新网络的性能与之前最先进的模型相当，并增加了估计其不确定性的能力。
责编AJX
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表德赢Vwin官网
网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。
举报投诉
-
神经网络
+关注
关注
42文章
4771浏览量
100712 -
数据
+关注
关注
8文章
7002浏览量
88940 -
深度学习
+关注
关注
73文章
5500浏览量
121111
发布评论请先 登录
相关推荐
LSTM神经网络的训练数据准备方法
： 一、数据收集与清洗 数据收集 ： 根据LSTM神经网络的应用场景（如时间序列预测、自然语言处理等），收集相关的时间序列数据或文本
LSTM神经网络在时间序列预测中的应用
时间序列预测是数据分析中的一个重要领域，它涉及到基于历史数据预测未来值。随着深度学习技术的发展，长短期记忆（LSTM）神经网络因其在处理序列
BP神经网络预测模型的建模步骤
BP（Backpropagation）神经网络是一种多层前馈神经网络，其核心思想是通过反向传播算法来调整网络中的权重和偏置，从而实现对输入
python做bp神经网络预测数据
BP神经网络（Backpropagation Neural Network）是一种多层前馈神经网络，通过反向传播算法进行训练。它在许多领域，如模式识别、数据挖掘、预测分析等，都有广泛的
bp神经网络预测模型建模步骤
BP神经网络（Backpropagation Neural Network）是一种多层前馈神经网络，其核心思想是通过反向传播算法来调整网络中
递归神经网络的实现方法
（Recurrent Neural Network，通常也简称为RNN，但在此处为区分，我们将循环神经网络称为Recurrent RNN）不同，递归神经网络更侧重于处理树状或图结构的数据
如何使用神经网络进行建模和预测
输入信号，对其进行加权求和，然后通过激活函数进行非线性转换，生成输出信号。通过这种方式，神经网络可以学习输入数据的复杂模式和关系。 神经网络的类型
bp神经网络模型怎么算预测值
BP神经网络（Backpropagation Neural Network，简称BP网络）是一种多层前馈神经网络，它通过反向传播算法来调整网络中
卷积神经网络分类方法有哪些
卷积神经网络（Convolutional Neural Networks，CNN）是一种深度学习模型，广泛应用于图像分类、目标检测、语义分割等计算机视觉任务。本文将详细介绍卷积神经网络的分类方
神经网络在数学建模中的应用
数学建模是一种利用数学方法和工具来描述和分析现实世界问题的过程。神经网络是一种模拟人脑神经元结构和功能的计算模型，可以用于解决各种复杂问题。在数学建模
基于毫米波雷达的手势识别神经网络
Cross Validation（LOOCV）方法来评估我们的神经网络在手势识别任务中的性能。我们通过选择一个人的样本作为测试集，同时使用剩余的样本作为训练集，将
发表于 05-23 12:12
工商网监
评论