跳到正文
arXiv · ML· Mame Diarra Toure, Quang Hung Pham, Mohamed Ryad Zemouri, David Stephens, Luc Vouligny, Martin Gagnon·· 21 天前AI 评分20

Modular Bayesian Foundation Models: SBNN 用于时间序列 OOD 检测、路由与预测

Modular Bayesian Foundation Models: Bayesian time series encoders for OOD detection, routing and forecasting

AI 导读

模块化贝叶斯基础模型利用 SBNN 编码器实现无标签专家路由,在七个数据集上显著降低不确定性并提升校准度。 该模型比确定性版本节省 63.8% 存储,平均 ECE 降至 0.072,平均 NLL 降至 0.836,PICP90 升至 89.03%。 SBNN 参数量比 MC Dropout 少 63.9%,实现高效概率预测。

来源:arXiv · ML · arxiv.org