機能的分配ネットワーク（FDN）

近年の確率的回帰モデルは、分布の変化に対して過度に自信を持つことがよくあります。本論文では、ネットワークの重みを入力条件に基づいて分布させる機能的分配ネットワーク（FDN）を提案します。FDNは、入力に応じて予測のばらつきを適応させる混合モデルを生成します。訓練にはベータ-ELBOとモンテカルロサンプリングを使用し、外挿と内挿を明確に区別する評価プロトコルを提案します。これは、分布外データにおける予測の信頼性を検証することを重視しています。標準的な回帰タスクにおいて、ベイジアンやアンサンブル、ドロップアウト、ハイパーネットワークといった強力なベースラインと比較し、精度やキャリブレーション、シフト認識を評価しました。全体として、このフレームワークとプロトコルは、分布外データに配慮した実用的でモジュラーな神経回帰を実現することを目指しています。使用するコードは、論文の受理後に公開予定です。