786
个编辑
更改
→NIS+的泛化能力
====NIS+的泛化能力====
====NIS+的泛化能力====
为了比较不同模型在分布外数据上的泛化能力，作者在生成训练数据的仿真过程中，令所有鸟的初始位置被约束在一个半径为r的圆内，如图(a)所示。作者评估当测试数据的初始位置取值是在半径更大的圆上的时候，模型的测试误差如何随半径变化？
结果表明（图(b)），NIS+和[[NIS]]的MAE值都随半径r的增加而增加，而预测误差MAE越小，泛化能力越好。结果清楚地表明，与[[NIS]]相比，NIS+在所有测试半径r上具有优越的泛化能力。
结果表明（图(b)），NIS+和[[NIS]]的MAE值都随半径r的增加而增加，而预测误差MAE越小，泛化能力越好。而且与[[NIS]]相比，NIS+在所有测试半径r上误差更小，因此它具有更优越的泛化能力。
====内在噪音和外部噪音对NIS+识别[[因果涌现]]的影响====
====内在噪音和外部噪音对NIS+识别[[因果涌现]]的影响====