Skip to Main content Skip to Navigation
New interface
Conference papers

Évaluation statistique efficace de la robustesse de classifieurs

Karim Tit 1, 2 Teddy Furon 2 Mathias Rousset 3 Louis-Marie Traonouez 4 
2 LinkMedia - Creating and exploiting explicit links between multimedia fragments
Inria Rennes – Bretagne Atlantique , IRISA-D6 - MEDIA ET INTERACTIONS
3 SIMSMART - SIMulation pARTiculaire de Modèles Stochastiques
IRMAR - Institut de Recherche Mathématique de Rennes, Inria Rennes – Bretagne Atlantique
Résumé : 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.
Document type :
Conference papers
Complete list of metadata

https://hal.archives-ouvertes.fr/hal-03462156
Contributor : Karim TIT Connect in order to contact the contributor
Submitted on : Wednesday, December 1, 2021 - 4:30:16 PM
Last modification on : Saturday, August 6, 2022 - 3:32:55 AM
Long-term archiving on: : Wednesday, March 2, 2022 - 7:56:23 PM

File

Last_Particle_CAID2021_final.p...
Files produced by the author(s)

Identifiers

  • HAL Id : hal-03462156, version 1

Citation

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⟩

Share

Metrics

Record views

105

Files downloads

70