arvutiteaduse instituudi lõputööderegister


Dirichlet' kalibreerimismeetodi analüüs
Nimi Kirill Grjaznov
Kokkuvõte Masinõppes on klassifitseerimismeetodite üheks probleemiks see, et klassifikaatorid väljastavad liiga enesekindlad tõenäosused. Probleemi lahenduseks on kalibreerimine ehk ennustatud tõenäosuste korrigeerimine. Bakalaureusetöös analüüsitakse Dirichlet´ kalibreerimismeetodit. Töö käigus uuriti kalibreerimismaatriksi muutumist läbi klassifikaatori treenimisprotsessi, selle mõju tulemustele erinevatel treenimisetappidel ning interpreteeriti kalibreerimismaatriksi elementide olemust. Töös kirjeldati, kuidas toimub kalibreerimine Dirichlet´ kalibreerimismeetodiga ning kuidas kalibreerimismaatriks näitab ja parandab klassifikaatori enesekindlust. Eksperimentides kasutati ResNet110, Wide ResNet32 ja DenseNet40 klassifikaatoreid ning CIFAR-10 andmestikku. Analüüsi tulemusena leiti, et klassifikaatorid olid liiga enesekindlad terve treenimisprotsessi käigus ning Dirichlet´ kalibreerimismeetod parandab enesekindlust ja kalibreeritust igal treenimisetapil.
Lõputöö keel eesti
Lõputöö tüüp Bakalaureus - Informaatika
Juhendaja(d) Meelis Kull, Markus Kängsepp
Kaitsmise aasta 2020
PDF