arXiv · AI· Wouter N. Edeling, Peter V. Coveney·· 2026-10-09AI 评分33
基于广义 Laplace 活跃子空间的神经网络可扩展不确定性量化
Scalable AI Uncertainty Quantification via Generalized Laplace Active Subspaces
AI 导读
提出基于少量数据驱动曲率方向的低秩广义 Laplace 近似方法,用于神经网络不确定性量化。 后验方差在保留子空间内有闭式解,且通过经验贝叶斯校准先验方差。 标准缩放导致后验方差收缩,而平均损失缩放能生成更稳定、校准良好的预测置信区间。
来源:arXiv · AI · arxiv.org