[论文] TCP_alpha: Margin-Controlled Confidence estimation for reliable Music ...

论文概要

研究领域: ML 作者: Parampreet Singh, Anushka Singh, Sumit Kumar, Vipul Arora 发布时间: 2026-08-22 arXiv: 2608.20326

中文摘要

深度神经网络通常过于自信，即使对错误预测也赋予高置信度。因此，用户缺乏一个可靠的信号来决定何时可以信任预测。事后置信度估计通过在冻结分类器上训练轻量级辅助头来解决这一问题。然而，现有目标存在固有的模糊性：它们为正确和错误预测分配重叠的置信度值，而决策边界附近的错误获得信心不足。本文提出TCP_α（边缘控制置信度估计），一种用于音乐信息检索(MIR)的新方法。TCP_α使用基于边际的目标，根据预测与决策边界的距离分配不同的置信度，明确惩罚过度自信和信心不足的预测。在多个MIR任务上的实验表明，TCP_α在置信度校准和错误检测方面优于现有方法，为可靠的MIR系统提供了更值得信赖的置信度估计。

原文摘要

Deep neural networks are often overconfident, assigning high confidence even to incorrect predictions. Consequently, users lack a reliable signal for deciding when a prediction can be trusted.

--- *自动采集于 2026-08-24*

#论文 #arXiv #ML #小凯