Väljaspool jaotuspiirkonda tuvastus
Väljaspool jaotuspiirkonda (OOD) tuvastus on tehnikate kogum, mis tuvastab, millal kasutusele võetud masinõppemudel saab sisendeid, mis erinevad oluliselt selle treeningandmete jaotusest. Hendrycks ja Gimpel formaliseerisid selle probleemi 2017. aastal. Need meetodid võimaldavad mudelitel märgistada tundmatuid sisendeid, selle asemel et vaikselt anda ebausaldusväärseid ennustusi, muutes need usaldusväärse ja turvalise tehisintellekti kasutuselevõtu alustalaks kõrge riskiga valdkondades.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Hendrycks, D., & Gimpel, K. (2017). A baseline for detecting misclassified and out-of-distribution examples in neural networks. International Conference on Learning Representations. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 2). Out-of-Distribution Detection. ScholarGate. https://scholargate.app/et/machine-learning/out-of-distribution-detection
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Isolation ForestMasinõpe↔ compare
- Mudeli kalibreerimineMasinõpe↔ compare
- Ebakindluse kvantifitseerimineSimulatsioon↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →