Uncertainty quantification from ensemble variance scaling laws in deep neural networks

Quantifying the uncertainty from machine learning analyses is critical to their use in the physical sciences. In this work we focus on uncertainty inherited from the initialization distribution of neural networks. We compute the mean $\mu_{\mathcal{L}}$ and variance $\sigma_{\mathcal{L}}^2$ of the t...

Szczegółowa specyfikacja

Opis bibliograficzny

Główni autorzy:	Ibrahim Elsharkawy, Benjamin Hooberman, Yonatan Kahn
Format:	Artigo
Język:	Inglês
Wydane:	IOP Publishing 2025-01-01
Seria:	Machine Learning: Science and Technology
Hasła przedmiotowe:	uncertainty quantification neural network ensemble neural tangent kernel infinite-width limit scaling laws
Dostęp online:	https://doi.org/10.1088/2632-2153/adf7fe
Etykiety:	Dodaj etykietę Nie ma etykietki, Dołącz pierwszą etykiete!