arXiv · ML· Yunru Zheng, Wun Ting Chan, Sampras Dsouza, Zhenyu Hong·· 14 天前AI 评分26
可扩展贝叶斯高斯过程分类:分布偏移下癌症病理校准不确定性
Scalable Bayesian Gaussian Process Classification for Cancer Histopathology: Calibrated Uncertainty Under Distribution Shift
AI 导读
研究提出可扩展贝叶斯高斯过程分类框架,基于 Phikon 嵌入和 RPCholesky 加速计算,在约 30 万训练点下实现可处理的 HMC 后验采样。 框架在 PCam 和 CAMELYON17-WILDS 基准测试中,将期望校准误差降低最高 88%,假阴性率降低最高 90%,在分布偏移场景下效果显著。
来源:arXiv · ML · arxiv.org