LLM推論初出 7/7 02:59
不確実性定量化を用いたReal-Bogus分類のための解釈可能な人間ラベルフリー深層学習
Interpretable Human-Label-Free Deep Learning for Real-Bogus Classification with Uncertainty Quantification
https://export.arxiv.org/api/query2026/7/7
AI要約
人間ラベル不要で不確実性評価も可能なReal-Bogus分類フレームワークを開発。注入された過渡現象とボガス優勢データのみで学習し、クラス汚染に頑健で、キャリブレーションされた不確実性評価を提供する。
AI要点
- 人間ラベル不要で不確実性定量化も可能なReal-Bogus分類フレームワークを開発した。
- 注入された過渡現象とボガス優勢データのみで学習を行う。
- クラス汚染（意図的な誤分類ラベルの混入）に頑健な分類器を構築する。
- キャリブレーションされた不確実性評価を提供し、モデルの信頼性を向上させる。
なぜ重要か
大量のラベル付きデータが不要であり、かつクラス汚染のような現実世界で起こりうる問題に強い深層学習モデルを構築できるため、信頼性の高い異常検知システム等への応用が期待される。