Piecewise Linear Transformation − Propagating Aleatoric Uncertainty in Neural Networks

URN zum Zitieren dieses Dokuments:: urn:nbn:de:bvb:355-epub-578918

Krapf, Thomas ; Hagn, Michael ; Miethaner, Paul ; Schiller, Alexander ; Luttner, Lucas ; Heinrich, Bernd

PDF
(556kB)

Veröffentlichungsdatum dieses Volltextes: 13 Mrz 2024 12:08

Details

Dokumentenart:	Konferenz- oder Workshop-Beitrag (Paper)
Open Access Art:	Unbekannt
Datum:	12 März 2024
Institutionen:	Wirtschaftswissenschaften > Institut für Wirtschaftsinformatik > Lehrstuhl für Wirtschaftsinformatik II (Prof. Dr. Bernd Heinrich) Informatik und Data Science > Lehrstuhl für Wirtschaftsinformatik II (Prof. Dr. Bernd Heinrich)
Stichwörter / Keywords:	Probabilistic Inference, Decision/Utility Theory, Other Foundations of Reasoning under Uncertainty, Probabilistic Programming, Uncertainty Representations
Dewey-Dezimal-Klassifikation:	000 Informatik, Informationswissenschaft, allgemeine Werke > 004 Informatik
Status:	Im Druck
Begutachtet:	Ja, diese Version wurde begutachtet
An der Universität Regensburg entstanden:	Ja
Dokumenten-ID:	57891

Vorschau

Bibliographische Daten exportieren

Zusammenfassung

Real-world data typically exhibit aleatoric uncertainty which has to be considered during data-driven decision-making to assess the confidence of the decision provided by machine learning models. To propagate aleatoric uncertainty repre-sented by probability distributions (PDs) through neural net-works (NNs), both sampling-based and function approxima-tion-based methods have been proposed. ...

Nur für Besitzer und Autoren: Kontrollseite des Eintrags

Downloadstatistik

Weitere Literatur (mittels CORE)

Details

Vorschau

Bibliographische Daten exportieren

Zusammenfassung

Zusammenfassung

Downloadstatistik

Downloads

Weitere Literatur (mittels CORE)

Universitätsbibliothek