Rastreando as fontes de incerteza epistêmica em previsões de aprendizado profundo: estimadores linearizados homo e heterocedásticos

arXiv:2608.07630v1 Tipo de anúncio: novo Resumo: Adaptamos dois estimadores estatísticos clássicos para quantificação de incerteza ao aprendizado profundo moderno, a fim de fornecer percepções mais claras sobre a incerteza atribuível a duas fontes: incerteza aleatória, ou dados localmente escassos. Nossa abordagem se apoia em avanços recentes em Matrizes de Informação de Fisher aproximadas, para permitir a escalabilidade a arquiteturas reais. Resultados experimentais demonstram como cada ponto de teste é impactado de forma diferenciada por ambas as fontes...