مقاله اعتبار سنجی آمار کالیبراسیون ML-UQ با استفاده از مقادیر مرجع شبیه سازی شده: تجزیه و تحلیل حساسیت
| عنوان مقاله به انگلیسی | Validation of ML-UQ calibration statistics using simulated reference values: a sensitivity analysis |
| عنوان مقاله به فارسی | مقاله اعتبار سنجی آمار کالیبراسیون ML-UQ با استفاده از مقادیر مرجع شبیه سازی شده: تجزیه و تحلیل حساسیت |
| نویسندگان | Pascal Pernot |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| تعداد صفحات | 37 |
| دسته بندی موضوعات | Machine Learning,Machine Learning,Chemical Physics,یادگیری ماشین , یادگیری ماشین , فیزیک شیمیایی , |
| توضیحات | Submitted 1 March, 2024; originally announced March 2024. |
| توضیحات به فارسی | ارسال 1 مارس 2024 ؛در ابتدا مارس 2024 اعلام شد. |
چکیده
Some popular Machine Learning Uncertainty Quantification (ML-UQ) calibration statistics do not have predefined reference values and are mostly used in comparative studies. In consequence, calibration is almost never validated and the diagnostic is left to the appreciation of the reader. Simulated reference values, based on synthetic calibrated datasets derived from actual uncertainties, have been proposed to palliate this problem. As the generative probability distribution for the simulation of synthetic errors is often not constrained, the sensitivity of simulated reference values to the choice of generative distribution might be problematic, shedding a doubt on the calibration diagnostic. This study explores various facets of this problem, and shows that some statistics are excessively sensitive to the choice of generative distribution to be used for validation when the generative distribution is unknown. This is the case, for instance, of the correlation coefficient between absolute errors and uncertainties (CC) and of the expected normalized calibration error (ENCE). A robust validation workflow to deal with simulated reference values is proposed.
چکیده به فارسی (ترجمه ماشینی)
برخی از آمار کالیبراسیون کمیت عدم اطمینان از یادگیری ماشین (ML-UQ) مقادیر مرجع از پیش تعریف شده ای ندارند و بیشتر در مطالعات مقایسه ای مورد استفاده قرار می گیرند.در نتیجه ، کالیبراسیون تقریباً هرگز تأیید نمی شود و تشخیص به قدردانی از خواننده واگذار می شود.مقادیر مرجع شبیه سازی شده ، بر اساس مجموعه داده های کالیبره شده مصنوعی حاصل از عدم قطعیت های واقعی ، برای رفع این مشکل پیشنهاد شده است.از آنجا که توزیع احتمال مولد برای شبیه سازی خطاهای مصنوعی اغلب محدود نمی شود ، حساسیت مقادیر مرجع شبیه سازی شده به انتخاب توزیع تولیدی ممکن است مشکل ساز باشد و در تشخیص کالیبراسیون شک و تردید ایجاد می کند.این مطالعه به بررسی جنبه های مختلف این مشکل می پردازد و نشان می دهد که برخی از آمار نسبت به انتخاب توزیع تولیدی که برای اعتبار سنجی در هنگام توزیع تولیدی ناشناخته است ، بیش از حد حساس هستند.این مورد ، به عنوان مثال ، از ضریب همبستگی بین خطاهای مطلق و عدم قطعیت ها (CC) و خطای کالیبراسیون عادی مورد انتظار (ENCE) است.یک گردش کار اعتبار سنجی قوی برای مقابله با مقادیر مرجع شبیه سازی شده ارائه شده است.📚 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.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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.