登录
洞察 - 不確実性推定
SASWISE-UE：解釈可能なスケーラブルなアンサンブルを用いたセグメンテーションと合成による不確実性推定
SASWISE-UEと呼ばれる新しい効率的なサブモデルアンサンブルフレームワークは、医療用深層学習モデルの解釈可能性を高め、臨床応用を促進する。
単一モデルを用いた認識的不確実性と偶然的不確実性の推定
深層学習モデルにおける認識的不確実性と偶然的不確実性の両方を、従来のアンサンブル法よりも大幅に低い計算コストで正確に推定できる新しいフレームワーク「HyperDM」を提案する。
深層学習モデルのアンサンブルとドロップアウト層を用いた、地震波形における不確実性推定
深層学習モデルを用いて地震波形の初動極性を分類する際、アンサンブル学習とドロップアウト層を組み合わせることで、特に判定が困難な波形データにおける不確実性推定を向上できる。
イテレーティブニューラルネットワークにおける不確実性推定の可能性
イテレーティブな出力の収束速度は、値の精度と密接に関連しており、不確実性を有用なプロキシとして利用できる。
画像登録の不確実性からセグメンテーションの不確実性へ
画像登録モデルにおけるセグメンテーションの不確実性を同時に推定する新しいフレームワークを提案する。
