A POLymorphic PrObabilistic approach to greedily approximate uncertainties avoiding re-training of costly deep neural networks.
Stretch your tentacles, POLPO-net: a POLymorphic PrObabilistic approach to greedily approximate model uncertainties
Del Corso G.
;Caudai C.;Kuruoglu E. E.;Colantonio S.
2024
Abstract
A POLymorphic PrObabilistic approach to greedily approximate uncertainties avoiding re-training of costly deep neural networks.File in questo prodotto:
| File | Dimensione | Formato | |
|---|---|---|---|
|
Poster_POLPOnet_2.pdf
accesso aperto
Descrizione: Poster PolpoNET
Tipologia:
Documento in Post-print
Licenza:
Creative commons
Dimensione
1.56 MB
Formato
Adobe PDF
|
1.56 MB | Adobe PDF | Visualizza/Apri |
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
