Évaluation statistique efficace de la robustesse de classifieurs - Processus stochastiques Access content directly
Conference Papers Year : 2021

Évaluation statistique efficace de la robustesse de classifieurs

Abstract

Nous proposons de quantifier la robustesse d'un classifieur aux incertitudes d'entrée avec une simulation stochastique. L'évaluation de la robustesse est présentée comme un test d'hypothèse : le classifieur est considéré comme localement robuste si la probabilité de défaillance estimée est inférieure à un niveau critique. La procédure est basée sur une simulation d'Importance Splitting générant des échantillons d'événements rares. Nous dérivons des garanties théoriques non-asymptotiques par rapport à la taille de l'échantillon. Des expériences portant sur des classifieurs à grande échelle mettent en évidence l'efficacité de notre méthode.
Fichier principal
Vignette du fichier
Last_Particle_CAID2021_final.pdf (410 Ko) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

hal-03462156 , version 1 (01-12-2021)

Identifiers

  • HAL Id : hal-03462156 , version 1

Cite

Karim Tit, Teddy Furon, Mathias Rousset, Louis-Marie Traonouez. Évaluation statistique efficace de la robustesse de classifieurs. CAID 2021 - Conference on Artificial Intelligence for Defense, DGA, DGNUM, Ministère des Armées, Nov 2021, Rennes, France. pp.1-11. ⟨hal-03462156⟩
111 View
169 Download

Share

Gmail Facebook X LinkedIn More