一般化された正則化エビデンシャル深層学習モデル

この論文は、ニューラルネットワークを不確実性認識可能にするために設計されたエビデンシャル深層学習（EDL）モデルの主要な制限に対処しています。 EDLにおける証拠の非負性制約によって引き起こされる学習フリーズ動作を特定し、分析しています。著者は、この問題を克服するために、活性化関数の一般化されたファミリーと正則化項を提案し、不確実性定量化に対するより堅牢で一貫性のあるアプローチを提供しています。さまざまなベンチマーク問題に対する包括的な評価は、提案された方法の有効性を示唆しています。

• •学習フリーズ動作に対処することにより、EDLモデルが改善される。
• •EDLを改善するために、一般化された活性化関数と正則化項が提案されている。
• •このアプローチは、複数のベンチマークデータセットで検証されている。