PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.29925v1cs.LG

모델 캘리브레이션을 위한 커널 밀도 추정에서의 대역폭 선택

Bandwidth Selection in Kernel Density Estimation for Model Calibration

모델 캘리브레이션 평가에서 커널 밀도 추정(KDE)의 신뢰성이 대역폭 선택에 크게 좌우되는 문제를 해결하기 위해, KDE로 재구성한 위험(risk)을 경험적 위험과 정렬하는 새로운 최적화 프레임워크인 Risk Alignment(RA)를 제안한다. RA는 캘리브레이션 추정 편향을 이론적으로 최소화함을 증명하며, 다양한 아키텍처와 데이터셋 실험에서 MLE 등 기존 대역폭 선택 방법보다 일관되게 우수한 캘리브레이션 평가 성능을 보였다.