Calibración de clasificadores probabilísticos multiclase
Author
Márquez Carrero, SergioEntity
UAM. Departamento de Tecnología Electrónica y de las ComunicacionesDate
2021-06Subjects
Redes Neuronales Profundas (DNNs); Clasificación; Clasificadores Probabilísticos Multiclase; TelecomunicacionesNote
Trabajo Fin de Grado en Ingeniería de Tecnologías y Servicios de Telecomunicación
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.
Abstract
Actualmente las Redes Neuronales Profundas (DNNs) se emplean para
numerosas tareas de clasificación, obteniendo un alto rendimiento en cuanto a
precisión se refiere. En algunos casos se emplean clasificadores probabilísticos que
asignan un valor de confianza a cada una de las predicciones realizadas. Para que
estos sistemas lleven a cabo su función de manera óptima, deben estar bien
calibrados, entendiendo la calibración como la concordancia entre la confianza
reportada por el clasificador y la probabilidad real de acierto. Estudios recientes [1]
han demostrado que los clasificadores probabilísticos actuales no están bien
calibrados.
Este Trabajo Fin de Grado tiene como objetivo el diseño y la implementación
de nuevas estrategias de calibración en clasificadores probabilísticos multiclase,
particularizando al caso de estudio de clasificadores de contenidos multimedia (audio,
imagen), de tal manera que sirvan de alternativa a otros métodos aplicados
actualmente que no desempeñan su función de forma apropiada en determinados
casos.
Para ello, se ha llevado a cabo un estudio de diversas técnicas de calibración
con resultados de vanguardia (Matrix Scaling, Temperature Scaling, Gaussian
Backend), evaluando su rendimiento tanto sobre conjuntos de datos sintéticos, como
sobre las salidas proporcionadas por una red neuronal (EfficientNet-B0) entrenada
con conjuntos de datos de imágenes (CIFAR-3, CIFAR-10, CIFAR-100).
Una vez realizadas las pruebas sobre los distintos métodos de calibración, se
han propuesto diversos algoritmos basados en Normalizing Flows para intentar
superar las limitaciones encontradas en el estudio previo sin comprometer el
rendimiento.
Files in this item
Google Scholar:Márquez Carrero, Sergio
This item appears in the following Collection(s)
Related items
Showing items related by title, author, creator and subject.
-
Técnicas expresivas de calibración para clasificadores multiclase
Alvarez Balanya, Sergio
2020-06 -
Aplicación para Análisis de Baloncesto sobre Tabletas Inteligentes
Márquez Carrero, Alberto
2014-10 -
Laboratorio de Tecnologías de Audio
Carrero Jordán, Sergio
2014-07