본문으로 건너뛰기

$ECUAS_n$: 불확실성 증대 시스템의 원칙적 평가를 위한 계산기 가족

$ECUAS_n$: 불확실성 증대 시스템의 원칙 평가를위한 계수의 가족 arXiv:2605.20490v2 발표 유형: 새로운 추론: 높은 점수의 자동화 된 의사 결정에서 예측 불확실성에 대한 액세스는 사용자가 - 인간 또는 다운스트림 시스템 - 응용 프로그램 특정 비용 거래에 기초한 예측을 수락하거나 거부 할 수 있도록하는 데 필수적입니다. 불확실성 증대 (UA) 시스템 - 즉 예측과 불확실성 점수를 모두 출력하는 시스템 - 현재 문서에서 다양한 방법으로 평가되고 있으며, 분리 된 계수를 사용하여

AI 자동 생성

불확실성 증대 시스템의 원칙적 평가

자동화된 의사 결정에서 예측 불확실성에 대한 액세스는 사용자가 예측을 수락하거나 거부할 수 있도록 하는 데 필수적입니다. 이러한 이유로 불확실성 증대(UA) 시스템, 즉 예측과 불확실성 점수를 모두 출력하는 시스템이 개발되고 있습니다. 현재 이러한 시스템은 다양한 방법으로 평가되고 있으며, 분리된 계수를 사용하여 예측과 작업 불확실성 점수를 평가하고, 고정 거래 비용을 통해 비용을 설정하거나 커버 위험 곡선을 통합합니다.

이러한 평가 접근 방식은 시스템의 성능을 정확하게 측정하고, 사용자가 예측을 신뢰할 수 있도록 하는 데 중요한 역할을 합니다. 또한, 이러한 평가를 통해 시스템의 약점을 식별하고, 성능을 개선하는 데 도움이 될 수 있습니다. 따라서, 불확실성 증대 시스템의 원칙적 평가를 위한 계수의 가족, $ECUAS_n$은 이러한 시스템의 성능을 평가하고 개선하는 데 중요한 역할을 할 수 있습니다.

$ECUAS_n$의 특징

$ECUAS_n$은 불확실성 증대 시스템의 원칙적 평가를 위한 계수의 가족입니다. 이는 다양한 방법으로 평가되는 시스템의 성능을 정확하게 측정하고, 사용자가 예측을 신뢰할 수 있도록 하는 데 중요한 역할을 합니다. $ECUAS_n$은 분리된 계수를 사용하여 예측과 작업 불확실성 점수를 평가하고, 고정 거래 비용을 통해 비용을 설정하거나 커버 위험 곡선을 통합합니다.

또한, $ECUAS_n$은 높은 점수의 자동화된 의사 결정에서 예측 불확실성에 대한 액세스를 제공함으로써, 사용자가 예측을 수락하거나 거부할 수 있도록 하는 데 도움이 될 수 있습니다. 이는 시스템의 성능을 개선하고, 사용자의 신뢰를 높이는 데 중요한 역할을 할 수 있습니다.

원문 보기 arXiv AI

함께 읽으면 좋은 기사

연구 3일 전

스트로크 위험도 예측을 위한 새로운 AI 기술: MedGate-Fusion

스트로크 위험도를 예측하는 것은 원치 않는 병력이 발생하기 전에 중요한 역할을 합니다. 그러나 이 과제는 의사들이 주기적으로 기록하는 생리학적 바이오마커와 비구조적인 의료 기록의 사이에 분산되어 있는 초기 위험 신호를 식별하는 어려움으로 인해 힘들어집니다. MedGate-Fusion은 이러한 문제를 해결하기 위해 처음 만나는 의료 기록의 의미론적 이야기와 10개의 정기적으로 기록된 위험 표시자를 통합하는 멀티 모달 게이트 아키텍처를 제안합니다. 이 아키텍처는 대규모 언어 모델(LLM)과 같은 기존의 AI 기술을 사용하여 의료 기록의 의미를 추출하고 생리학적 바이오마커의 정보를 통합하여 스트로크 위험도를 예측합니다.

연구 3일 전

기존의 전제 조건자들이 생의학 표준 표 데이터 학습을 개선하는가? 표준 표 데이터 학습 최적화에 대한 실증 연구

최근 구조화된 생물학적 데이터 분석에 있어서 표준화된 기초 모델(tabular foundation model)이 강력한 잠재력을 보인다. 그 중 하나인 TabPFN은 낮은 데이터 표준화 분류 작업에서 효과적인 접근 방식으로 나타났지만, 최적화 및 조건화 전략의 생물학적 세부 튜닝에 대한 영향은 여전히 크게 연구되지 않았다. 본 연구에서, 우리는 59 개의 생물학적 데이터셋(Alzheimer'

관련 콘텐츠 더 보기

다른 플랫폼에서 이 주제에 대한 더 많은 정보를 확인하세요.