Evaluating Bayesian deep learning for radio galaxy classification

要約

電波天文学コミュニティは、次世代の電波天文台に期待される膨大なデータに対処するために、ディープラーニング技術を急速に導入しています。
ベイジアン ニューラル ネットワーク (BNN) は、このような深層学習モデルによって行われる予測の不確実性をモデル化する原理に基づいた方法を提供し、出力に関して適切に校正された不確実性の推定値を抽出する際に重要な役割を果たします。
この研究では、電波銀河分類問題の予測パフォーマンス、不確かさのキャリブレーション、および分布シフト検出という基準に対してさまざまな BNN のパフォーマンスを評価します。

要約(オリジナル)

The radio astronomy community is rapidly adopting deep learning techniques to deal with the huge data volumes expected from the next generation of radio observatories. Bayesian neural networks (BNNs) provide a principled way to model uncertainty in the predictions made by such deep learning models and will play an important role in extracting well-calibrated uncertainty estimates on their outputs. In this work, we evaluate the performance of different BNNs against the following criteria: predictive performance, uncertainty calibration and distribution-shift detection for the radio galaxy classification problem.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google