شبکه های عصبی به طور فزاینده ای در برنامه های ایمنی بحرانی مانند وسایل نقلیه مستقل، تشخیص پزشکی و سیستم های هوافضا استفاده می شوند.تقاضی عدم اطمینان در پیش بینی های آنها برای اطمینان و ایمنی ضروری است.این مقاله روش هایی را برای اندازه گیری و تفسیر عدم اطمینان شبکه عصبی به طور موثر مورد بحث قرار می دهد.

درک عدم قطعیت شبکه عصبی

عدم اطمینان در پیش بینی های شبکه عصبی می تواند به طور گسترده به دو نوع تقسیم شود: عدم قطعیت های بالینی و اپیستمی هر دو نوع از نویز ذاتی در داده ها ناشی می شود، در حالی که عدم قطعیت اپیستمی ناشی از فقدان دانش مدل است.

روش های برای عدم اطمینان

چندین تکنیک برای اندازه گیری عدم اطمینان شبکه عصبی، از جمله روش های zi، روش های گروه و مونت کارلو استفاده می شود، این روش ها برآوردهای بی ثبات را ارائه می دهند که نشان دهنده سطح اعتماد به نفس پیش بینی ها است.

برنامه های کاربردی و ملاحظات عملی

در سیستم های حساس ایمنی، مهم است که تخمین های عدم اطمینان را در فرآیندهای تصمیم گیری قرار دهیم، به عنوان مثال، اگر عدم اطمینان یک مدل از آستانه خاصی تجاوز کند، سیستم می تواند هشدارها یا مکانیسم های عقب نشینی را ایجاد کند.

  • شبکه های عصبی zi
  • آموزش گرد
  • مونت کارلو
  • تکنیک های کالیبراسیون