Pengesanan Luar Tabung Edaran
Pengesanan Luar Tabung Edaran (OOD) ialah satu set teknik yang mengenal pasti apabila model pembelajaran mesin yang digunakan menerima input yang berbeza secara signifikan daripada taburan data latihannya. Diperkenalkan sebagai masalah formal oleh Hendrycks dan Gimpel pada tahun 2017, kaedah ini membolehkan model menandai input yang tidak dikenali berbanding menghasilkan ramalan yang tidak boleh dipercayai secara senyap, menjadikannya asas kepada penggunaan AI yang boleh dipercayai dan selamat dalam domain berisiko tinggi.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Hendrycks, D., & Gimpel, K. (2017). A baseline for detecting misclassified and out-of-distribution examples in neural networks. International Conference on Learning Representations. link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 2). Out-of-Distribution Detection. ScholarGate. https://scholargate.app/ms/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 ForestPembelajaran Mesin↔ compare
- Penyelarasan ModelPembelajaran Mesin↔ compare
- Kuantifikasi KetidakpastianSimulasi↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →