동적 시스템에 필요한 불확실성은 무엇인가?
요약
본 논문은 기계 학습 연구의 주요 주제였던 알레아토릭 및 에피스테믹 불확실성 개념을 동적 시스템에 적용하는 새로운 관점을 제시합니다. 특히, 동적 시스템에서 필요한 불확실성의 출처와 본질(알레아토릭/에피스테믹)을 명확히 하고, 이를 정량화하는 목표가 작업별로 어떻게 달라지는지 논의합니다.
핵심 포인트
- 기존 ML 연구는 지도 학습 중심이었으나, 동적 시스템으로 확장하여 불확실성을 다룸.
- 불확실성의 출처와 본질(알레아토릭 vs 에피스테믹)을 명확히 하는 것이 중요함.
- 동작별로 불확실성 표현 및 정량화 목표가 달라지는 점을 고려해야 함.
기계 학습 연구에서 알레아토릭(aleatoric) 불확실성과 에피스테믹(epistemic) 불확실성 간의 구분은 상당한 주목을 받아왔으며, 주로 지도 학습(supervised learning)의 맥락에서 이루어졌지만 생성 모델링(generative modeling)과 같은 다른 환경에서도 마찬가지입니다. 본 논문에서는 지금까지 상대적으로 덜 연구되었던 동적 시스템(dynamical systems)에 대한 불확실성 모델링에 기계 학습 관점을 제시합니다. 특히, 우리는 다음과 같은 질문을 던집니다: 동적 시스템에 필요한 불확실성은 무엇인가? 우리는 불확실성의 출처를 논의하고, 그 본질(알레아토릭 또는 에피스테믹)을 명확히 하며, 불확실성을 표현하고 정량화하는 목표가 다양한 작업에서 어떻게 달라지는지 고려합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.LG의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기0