贝叶斯方法可以用于学习神经网络权重的概率分布。将神经网络中的wi 和 b 由确定的值变成分布(distributions)。具体而言,为弥补反向传播的不足,通过在模型参数或模型输出上放置概率分布来估计。在权重上放置一个先验分布,然后尝试捕获这些权重在给定数据的情况下变化多少来模拟认知不确定性。该方法不是训练单个网络,而是训练网络集合,其中每个网络的权重来自共享的、已学习的概率分布。

精品内容

【ETH博士论文】贝叶斯深度学习,241页pdf
专知会员服务
120+阅读 · 2022年1月16日
专知会员服务
35+阅读 · 2021年8月17日
MIT最新《贝叶斯深度学习》综述论文,37页pdf
专知会员服务
49+阅读 · 2021年1月4日
(ICML 2020 Tutorial)贝叶斯深度学习与概率模型构建,134页ppt
WSDM 2020教程《深度贝叶斯数据挖掘》,附257页PPT下载
专知会员服务
153+阅读 · 2020年2月7日
参考链接
微信扫码咨询专知VIP会员