Обзор количественной оценки неопределенности в глубоком обучении: методы, приложения и проблемы

Методы количественной оценки неопределенности (UQ) играют ключевую роль в снижении влияния неопределенности как в процессах оптимизации, так и при принятии решений. Они применяются для решения широкого спектра реальных задач в науке и технике. Байесовская аппроксимация и ансамблевое обучение являются двумя широко используемыми типами методов количественной оценки неопределенности (UQ). В связи с этим исследователи предложили различные методы UQ и изучили их эффективность в разнообразных приложениях, включая компьютерное зрение (например, беспилотные автомобили и обнаружение объектов), обработку изображений (например, восстановление изображений), анализ медицинских изображений (например, классификацию и сегментацию медицинских изображений), обработку естественного языка (например, классификацию текстов, анализ текстов социальных сетей и оценку риска рецидива), биоинформатику и другие области. В данной работе рассматриваются последние достижения в области методов UQ, применяемых в глубоком обучении, исследуется использование этих методов в обучении с подкреплением, а также освещаются фундаментальные исследовательские проблемы и перспективные направления, связанные с UQ.