俄展示具备自我怀疑能力神经网络

据俄新社报道，近日在阿联酋阿布扎比举行的2024年IEEE国际图像处理大会（ICIP 2024）上，俄罗斯国家研究型工艺大学的研究人员展示了一种能自我怀疑的神经网络集成。该算法由一间非营利实验室使用Outlier Exposure开源项目完成。

为应对数据量的急速增长，俄研究人员一直致力于研发更加可靠的神经网络，目标是在接收到图像后，能够对新目标进行快速分类，并识别技术干扰。

此次展示的名为“显著性多样化深度集成”（SDDE）的神经网络，无需依赖预存在数据库中的数据，即可具备更高的识别精度。新算法未来可用于无人驾驶和医疗诊断，以提高对未知元素和图像的识别率。

SDDE由数个模型组成，每个模型使用单独采取的不同特征图片数据库进行训练。测试结果表明，多模型集成有效降低了图像物体识别的误差，与类似算法相比优势明显。

研究人员介绍，新算法在处理未知数据时决策精度更高，因而具有突出的应用价值。以往的神经网络在自动驾驶和医疗诊断中，往往对自己的错误预测过度自信，而SDDE由于具备自我怀疑能力，能够更加谨慎地作出计算和决策。