SwePub
Sök i LIBRIS databas

  Utökad sökning

onr:"swepub:oai:DiVA.org:mdh-64446"
 

Sökning: onr:"swepub:oai:DiVA.org:mdh-64446" > Evaluating the Robu...

  • Lindén, JoakimMälardalens universitet,Inbyggda system,Mälardalen University, Västerås, Sweden; Saab AB, Linköping, Sweden (författare)

Evaluating the Robustness of ML Models to Out-of-Distribution Data Through Similarity Analysis

  • Artikel/kapitelEngelska2023

Förlag, utgivningsår, omfång ...

  • Springer Science and Business Media Deutschland GmbH,2023
  • printrdacarrier

Nummerbeteckningar

  • LIBRIS-ID:oai:DiVA.org:mdh-64446
  • https://urn.kb.se/resolve?urn=urn:nbn:se:mdh:diva-64446URI
  • https://doi.org/10.1007/978-3-031-42941-5_30DOI
  • https://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-337818URI

Kompletterande språkuppgifter

  • Språk:engelska
  • Sammanfattning på:engelska

Ingår i deldatabas

Klassifikation

  • Ämneskategori:ref swepub-contenttype
  • Ämneskategori:kon swepub-publicationtype

Anmärkningar

  • Part of ISBN 9783031429408QC 20231009
  • In Machine Learning systems, several factors impact the performance of a trained model. The most important ones include model architecture, the amount of training time, the dataset size and diversity. We present a method for analyzing datasets from a use-case scenario perspective, detecting and quantifying out-of-distribution (OOD) data on dataset level. Our main contribution is the novel use of similarity metrics for the evaluation of the robustness of a model by introducing relative Fréchet Inception Distance (FID) and relative Kernel Inception Distance (KID) measures. These relative measures are relative to a baseline in-distribution dataset and are used to estimate how the model will perform on OOD data (i.e. estimate the model accuracy drop). We find a correlation between our proposed relative FID/relative KID measure and the drop in Average Precision (AP) accuracy on unseen data.

Ämnesord och genrebeteckningar

Biuppslag (personer, institutioner, konferenser, titlar ...)

  • Forsberg, HåkanMälardalens universitet,Inbyggda system,Mälardalen University, Västerås, Sweden(Swepub:mdh)hfg04 (författare)
  • Daneshtalab, MasoudMälardalens universitet,Inbyggda system,Mälardalen University, Västerås, Sweden(Swepub:mdh)mdb01 (författare)
  • Söderquist, IngemarKTH,Elektronik och inbyggda system,Saab AB, Linköping, Sweden(Swepub:kth)u1w4cndu (författare)
  • Mälardalens universitetInbyggda system (creator_code:org_t)

Sammanhörande titlar

  • Ingår i:Commun. Comput. Info. Sci.: Springer Science and Business Media Deutschland GmbH, s. 348-359, s. 348-3599783031429408
  • Ingår i:New Trends in Database and Information Systems: Springer Science and Business Media Deutschland GmbH, s. 348-359, s. 348-359

Internetlänk

Hitta via bibliotek

Till lärosätets databas

Sök utanför SwePub

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy