arXiv · Machine Learning· Mads Birch S{\o}rensen, Ulrike Richter, Francois Gastambide, Michael Riis Andersen·· 10 小时前AI 评分36
评估贝叶斯深度学习在分布偏移下的鲁棒生物医学时间序列分类：睡眠分期案例研究
Evaluating Bayesian deep learning for robust biomedical time-series classification under distribution shift: A sleep scoring case study
AI 导读
研究者以啮齿动物睡眠分期为案例，评估贝叶斯模型平均（BMA）应对基因型、实验室和物种分布偏移的鲁棒性。研究比较了9种近似推断方法、两种神经网络骨干及5个分布外数据集，多盆地方法表现最佳。相较点估计，BMA通常能提升分布外准确率和校准，对分布内表现的提升较小，也常改善选择性预测及分布外和伪迹检测，但未改善评分者间分歧检测。
来源：arXiv · Machine Learning · arxiv.org