Autoencoders Esparsos para Detecção Interpretável de Amostras Fora da Distribuição

arXiv:2607.12094v1 Tipo de anúncio: novo Resumo: A detecção confiável de amostras fora da distribuição (OOD) é crucial para a implantação segura de modelos de aprendizado de máquina. As redes neurais frequentemente produzem previsões excessivamente confiantes para entradas que se desviam de seus dados de treinamento, levando a uma degradação significativa no desempenho. Embora muitos métodos de detecção de OOD se concentrem na camada de saída final, eles negligenciam a rica informação hierárquica presente nas camadas intermediárias da rede. Este artigo apresenta um...