ترجمه فارسی مقاله ماتریس احتمال طبقه بندی: برخی از کلاس ها بیشتر از سایرین طبقه بندی می شوند

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی The Misclassification Likelihood Matrix: Some Classes Are More Likely To Be Misclassified Than Others
عنوان مقاله به فارسی ماتریس احتمال طبقه بندی: برخی از کلاس ها بیشتر از سایرین طبقه بندی می شوند
نویسندگان Daniel Sikar, Artur Garcez, Robin Bloomfield, Tillman Weyde, Kaleem Peeroo, Naman Singh, Maeve Hutchinson, Dany Laksono, Mirela Reljan-Delaney
فرمت مقاله انگلیسی PDF
تعداد صفحات 9
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 13 August, 2024; v1 submitted 10 July, 2024; originally announced July 2024. , Comments: 9 pages, 7 figures, 1 table
توضیحات به فارسی ارسال شده در 13 اوت 2024 ؛V1 ارسال شده 10 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد ، نظرات: 9 صفحه ، 7 شکل ، 1 جدول
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

This study introduces the Misclassification Likelihood Matrix (MLM) as a novel tool for quantifying the reliability of neural network predictions under distribution shifts. The MLM is obtained by leveraging softmax outputs and clustering techniques to measure the distances between the predictions of a trained neural network and class centroids. By analyzing these distances, the MLM provides a comprehensive view of the model's misclassification tendencies, enabling decision-makers to identify the most common and critical sources of errors. The MLM allows for the prioritization of model improvements and the establishment of decision thresholds based on acceptable risk levels. The approach is evaluated on the MNIST dataset using a Convolutional Neural Network (CNN) and a perturbed version of the dataset to simulate distribution shifts. The results demonstrate the effectiveness of the MLM in assessing the reliability of predictions and highlight its potential in enhancing the interpretability and risk mitigation capabilities of neural networks. The implications of this work extend beyond image classification, with ongoing applications in autonomous systems, such as self-driving cars, to improve the safety and reliability of decision-making in complex, real-world environments.

چکیده به فارسی (ترجمه ماشینی)

این مطالعه ماتریس احتمال طبقه بندی (MLM) را به عنوان ابزاری جدید برای تعیین قابلیت اطمینان پیش بینی های شبکه عصبی تحت تغییر توزیع معرفی می کند.MLM با استفاده از خروجی های SoftMax و تکنیک های خوشه بندی برای اندازه گیری فاصله بین پیش بینی های یک شبکه عصبی آموزش دیده و سانتروئیدهای کلاس بدست می آید.MLM با تجزیه و تحلیل این مسافت ها ، دیدگاه کاملی از تمایلات نادرست طبقه بندی مدل ارائه می دهد و تصمیم گیرندگان را قادر می سازد تا رایج ترین و مهمترین منابع خطاها را شناسایی کنند.MLM امکان اولویت بندی پیشرفت های مدل و ایجاد آستانه تصمیم گیری را بر اساس سطح ریسک قابل قبول فراهم می کند.این رویکرد در مجموعه داده MNIST با استفاده از یک شبکه عصبی حلقوی (CNN) و یک نسخه آشفته از مجموعه داده برای شبیه سازی شیفت های توزیع ارزیابی می شود.نتایج نشان دهنده اثربخشی MLM در ارزیابی قابلیت اطمینان پیش بینی ها و برجسته کردن پتانسیل آن در تقویت قابلیت تفسیر و قابلیت کاهش خطر شبکه های عصبی است.پیامدهای این کار فراتر از طبقه بندی تصویر است ، با کاربردهای مداوم در سیستم های خودمختار ، مانند خودروهای خودران ، برای بهبود ایمنی و قابلیت اطمینان تصمیم گیری در محیط های پیچیده و واقعی.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.