|
|
Deep Learning Model Uncertainty in Medical Image Analysis
Drevický, Dušan ; Kolář, Martin (oponent) ; Kodym, Oldřich (vedoucí práce)
This thesis deals with quantifying uncertainty in the predictions of deep learning models. While they achieve state of the art results in many areas of computer vision, their outputs are usually deterministic and provide by themselves little information about how certain the model is about its prediction. This is important especially in the domain of medical image analysis where mistakes are costly and the ability to filter uncertain predictions would allow a supervising physician to review the relevant cases. This work applies several different uncertainty measures developed in recent research to deep learning models trained on a cephalometric landmark localization task. They are then evaluated and compared in a set of experiments which aim to determine whether each of the uncertainty measures provides us with useful information about the model's confidence in its predictions.
|
|
|
Generic Approach to Updating Uncertainty: Focus on Conditioning
Kuncová, Alexandra ; Peliš, Michal (vedoucí práce) ; Sedlár, Igor (oponent)
Najprv sa budeme zaoberat' rôznymi druhmi reprezentácie neistoty a metódami aktualizácie pomocou kondicionalizácie. Zameriame sa na generický rámec (kon- dicionálnej) plauzibility pre jeho schopnost' generalizovat' všetky ostatné repre- zentácie. Následne sa lepšie pozrieme na tri štruktúry a uvedieme vlastnosti, ktoré je nutné pridat' rámcu kondicionálnej plauzibility, aby sme každú z nich dokázali skonštruovat'. Hlavným ciel'om tejto práce je ukázat', ako môže byt' verejné vy- hlásenie na jedno-agentových modeloch plauzibility, " ranking" štruktúrach, a " possibility" štruktúrach, v spojení s ich odpovedajúcimi mechanizmami zmeny, vnorené do rámca kondicionálnej plauzibility. Na záver ešte stručne popíšeme všeobecný model zmeny postavený na miere plauzibility. Kl'účové slová: dynamická logika, epistemická logika, neistota, rámec plauzibility, revízia presvedčenia, verejné vyhlásenie, zmena neistoty.
|
|
|
The Inflation-Output Variability Relationship in the CEE countries: A Bivariate GARCH Model
Kubovič, Jozef ; Čech, František (vedoucí práce) ; Červinka, Michal (oponent)
Táto práca sa zaoberá analýzou vzťahu variability inflácie a produkcie, a taktiež kauzálnymi vzťahmi medzi infláciou, rastom produkcie a ich neistotou v regióne strednej a východnej Európy počas obdobia ekonomickej krízy, ktorá započala v roku 2008. Na odhadnutie podmieneného rozptylu, ktorý slúži ako proxy k dvom neistotám, používame dvojrozmerný GARCH(1,1) model s konštantnou podmienenou koreláciou kovariančnej matice. Následne sme použili test Grangerovej kauzality na odhad kauzálnych efektov medzi štyrmi premennými. Objavili sme niekoľko zaujímavých výsledkov. Za prvé, nepodarilo sa nám dokázať existenciu vzťahu variability inflácie a produkcie, a ani existenciu Phillipsovej krivky. Za druhé, objavili sme štatistickú podporu pre kladný kauzálny efekt inflácie na jej neistotu a záporný kauzálny efekt pre opačný smer pôsobenia. Navyše sa nám podarilo nájsť dôkaz pre nepriamy záporný kauzálny efekt inflácie na rast produkcie, čím sme našli podporu pre politiku nízkej a stabilnej inflácie v regióne. Ako posledný výrazný výsledok sme ukázali, že kríza má významný dopad na výsledky, pretože ovplyvnila správanie podmenených rozptylov a kauzálnych efektov medzi premennými. Powered by TCPDF (www.tcpdf.org)
|
|
|
Deep Learning Model Uncertainty in Medical Image Analysis
Drevický, Dušan ; Kolář, Martin (oponent) ; Kodym, Oldřich (vedoucí práce)
This thesis deals with quantifying uncertainty in the predictions of deep learning models. While they achieve state of the art results in many areas of computer vision, their outputs are usually deterministic and provide by themselves little information about how certain the model is about its prediction. This is important especially in the domain of medical image analysis where mistakes are costly and the ability to filter uncertain predictions would allow a supervising physician to review the relevant cases. This work applies several different uncertainty measures developed in recent research to deep learning models trained on a cephalometric landmark localization task. They are then evaluated and compared in a set of experiments which aim to determine whether each of the uncertainty measures provides us with useful information about the model's confidence in its predictions.
|
|
|
The Inflation-Output Variability Relationship in the CEE countries: A Bivariate GARCH Model
Kubovič, Jozef ; Čech, František (vedoucí práce) ; Červinka, Michal (oponent)
Táto práca sa zaoberá analýzou vzťahu variability inflácie a produkcie, a taktiež kauzálnymi vzťahmi medzi infláciou, rastom produkcie a ich neistotou v regióne strednej a východnej Európy počas obdobia ekonomickej krízy, ktorá započala v roku 2008. Na odhadnutie podmieneného rozptylu, ktorý slúži ako proxy k dvom neistotám, používame dvojrozmerný GARCH(1,1) model s konštantnou podmienenou koreláciou kovariančnej matice. Následne sme použili test Grangerovej kauzality na odhad kauzálnych efektov medzi štyrmi premennými. Objavili sme niekoľko zaujímavých výsledkov. Za prvé, nepodarilo sa nám dokázať existenciu vzťahu variability inflácie a produkcie, a ani existenciu Phillipsovej krivky. Za druhé, objavili sme štatistickú podporu pre kladný kauzálny efekt inflácie na jej neistotu a záporný kauzálny efekt pre opačný smer pôsobenia. Navyše sa nám podarilo nájsť dôkaz pre nepriamy záporný kauzálny efekt inflácie na rast produkcie, čím sme našli podporu pre politiku nízkej a stabilnej inflácie v regióne. Ako posledný výrazný výsledok sme ukázali, že kríza má významný dopad na výsledky, pretože ovplyvnila správanie podmenených rozptylov a kauzálnych efektov medzi premennými. Powered by TCPDF (www.tcpdf.org)
|
|
|
Generic Approach to Updating Uncertainty: Focus on Conditioning
Kuncová, Alexandra ; Peliš, Michal (vedoucí práce) ; Sedlár, Igor (oponent)
Najprv sa budeme zaoberat' rôznymi druhmi reprezentácie neistoty a metódami aktualizácie pomocou kondicionalizácie. Zameriame sa na generický rámec (kon- dicionálnej) plauzibility pre jeho schopnost' generalizovat' všetky ostatné repre- zentácie. Následne sa lepšie pozrieme na tri štruktúry a uvedieme vlastnosti, ktoré je nutné pridat' rámcu kondicionálnej plauzibility, aby sme každú z nich dokázali skonštruovat'. Hlavným ciel'om tejto práce je ukázat', ako môže byt' verejné vy- hlásenie na jedno-agentových modeloch plauzibility, " ranking" štruktúrach, a " possibility" štruktúrach, v spojení s ich odpovedajúcimi mechanizmami zmeny, vnorené do rámca kondicionálnej plauzibility. Na záver ešte stručne popíšeme všeobecný model zmeny postavený na miere plauzibility. Kl'účové slová: dynamická logika, epistemická logika, neistota, rámec plauzibility, revízia presvedčenia, verejné vyhlásenie, zmena neistoty.
|
host ::
RSS.