减少神经网络函数对输入空间中系统性不确定性的依赖
摘要：基于神经网络的数据分析在自然科学中的应用受到许多输入存在系统性不确定性的影响。为了控制神经网络对输入空间内的系统性变化的依赖关系，已经提出了几种方法。在本工作中，我们提出了一种新的训练神经网络的方法，通过在损失函数中直接引入对神经网络输出变化的惩罚来实现。这只需要少量额外的超参数成本。也可以通过将所有系统变化视为统计权重来进行。所提出的方法通过基于伪实验的简单示例和高能粒子物理学中的更复杂示例进行了演示。
作者：Stefan Wunsch and Simon J"orger and Roger Wolf and G"unter Quast
论文ID：1907.11674
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2020-02-25