elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Maximum Likelihood Uncertainty Estimation: Robustness to Outliers

Nair, Deebul und Hochgeschwender, Nico und Olivares-Mendez, Miguel (2022) Maximum Likelihood Uncertainty Estimation: Robustness to Outliers. In: 2022 Workshop on Artificial Intelligence Safety, SafeAI 2022. Workshop on Artificial Intelligence Safety. The Thirty-Sixth AAAI Conference on Artificial Intelligence (AAAI-22)., 2022-02-28 - 2022-03-01, Vancouver, Canada. ISSN 1613-0073.

[img] PDF
2MB

Kurzfassung

We benchmark the robustness of maximum likelihood based uncertainty estimation methods to outliers in training data for regression tasks. Outliers or noisy labels in training data results in degraded performances as well as incorrect estimation of uncertainty. We propose the use of a heavy-tailed distribution (Laplace distribution) to improve the robustness to outliers. This property is evaluated using standard regression benchmarks and on a high-dimensional regression task of monocular depth estimation, both containing outliers. In particular, heavy-tailed distribution based maximum likelihood provides better uncertainty estimates, better separation in uncertainty for out-of-distribution data, as well as better detection of adversarial attacks in the presence of outliers.

elib-URL des Eintrags:https://elib.dlr.de/191835/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Maximum Likelihood Uncertainty Estimation: Robustness to Outliers
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Nair, Deebuldeebul.nair (at) h-brs.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Hochgeschwender, NicoNico.Hochgeschwender (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Olivares-Mendez, Miguelmiguel.olivaresmendez (at) uni.luNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:März 2022
Erschienen in:2022 Workshop on Artificial Intelligence Safety, SafeAI 2022
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
ISSN:1613-0073
Status:veröffentlicht
Stichwörter:Deep Learning, Machine Learning, Robustness, Uncertainty Estimation
Veranstaltungstitel:Workshop on Artificial Intelligence Safety. The Thirty-Sixth AAAI Conference on Artificial Intelligence (AAAI-22).
Veranstaltungsort:Vancouver, Canada
Veranstaltungsart:Workshop
Veranstaltungsbeginn:28 Februar 2022
Veranstaltungsende:1 März 2022
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Technik für Raumfahrtsysteme
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R SY - Technik für Raumfahrtsysteme
DLR - Teilgebiet (Projekt, Vorhaben):R - Cognitive Autonomy for Space Systems (CASSy)
Standort: Köln-Porz
Institute & Einrichtungen:Institut für Simulations- und Softwaretechnik
Institut für Simulations- und Softwaretechnik > Verteilte Systeme und Komponentensoftware
Hinterlegt von: Hochgeschwender, Nico
Hinterlegt am:22 Dez 2022 08:32
Letzte Änderung:13 Nov 2024 15:17

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.