arXiv 机器学习· Navodita Sharma, Abhishek Shetty, Max Simchowitz, Pulkit Agrawal·· 3 小时前AI 评分35
条件流模型会将认知不确定性转化为表观偶然方差
Conditional Flow Models Convert Epistemic Uncertainty into Apparent Aleatoric Variance
AI 导读
条件流模型（CFM）在拟合真实条件分布时，会将认知不确定性转化为生成样本中的表观偶然方差。实验与理论表明，该额外方差对应着模型对复杂目标的欠拟合程度，并会随着更多训练或数据而减小。研究团队据此提出了 CFM 的实际应用场景，即构建能够覆盖真实回归目标的高覆盖率预测集。
来源：arXiv 机器学习 · arxiv.org