现代深度学习方法为研究人员和工程师们提供了强大的工具,来解决以前似乎不可能解决的问题。然而,由于深度学习方法像黑匣子一样运行,与它们预测相关的不确定性往往难以量化。贝叶斯统计提供了一种形式主义来理解和量化与深度神经网络预测相关的不确定性。本文为使用机器学习,特别是深度学习的研究人员和科学家提供了教程,概述了相关文献,并提供了一套完整的工具集来设计、实现、训练、使用和评估贝叶斯神经网络。

https://cimsnyu.hosted.panopto.com/Panopto/Pages/Viewer.aspx?id=7e6db4d7-d642-41f2-97a0-ab510100db5e

成为VIP会员查看完整内容
57

相关内容

如何构建你的推荐系统?这份21页ppt教程为你讲解
专知会员服务
64+阅读 · 2021年2月12日
最新《自动微分》综述教程,71页ppt
专知会员服务
21+阅读 · 2020年11月22日
【PKDD2020教程】机器学习不确定性,附88页ppt与视频
专知会员服务
93+阅读 · 2020年10月18日
最新《序列预测问题导论》教程,212页ppt
专知会员服务
83+阅读 · 2020年8月22日
【ICML2020Tutorial】机器学习信号处理,100页ppt
专知会员服务
108+阅读 · 2020年8月15日
迁移学习简明教程,11页ppt
专知会员服务
104+阅读 · 2020年8月4日
【ICML2020】基于模型的强化学习方法教程,279页ppt
专知会员服务
123+阅读 · 2020年7月20日
【新书册】贝叶斯神经网络,41页pdf
专知会员服务
173+阅读 · 2020年6月3日
【EMNLP2019教程】端到端学习对话人工智能,附237页PPT下载
专知会员服务
67+阅读 · 2019年11月25日
【新书册】贝叶斯神经网络,41页pdf
专知
25+阅读 · 2020年6月3日
贝叶斯神经网络(系列)第一篇
AI研习社
14+阅读 · 2019年3月1日
Arxiv
0+阅读 · 2021年6月8日
Wide Network Learning with Differential Privacy
Arxiv
0+阅读 · 2021年6月4日
Arxiv
0+阅读 · 2021年6月3日
Arxiv
24+阅读 · 2020年3月11日
Arxiv
3+阅读 · 2018年1月10日
VIP会员
相关VIP内容
如何构建你的推荐系统?这份21页ppt教程为你讲解
专知会员服务
64+阅读 · 2021年2月12日
最新《自动微分》综述教程,71页ppt
专知会员服务
21+阅读 · 2020年11月22日
【PKDD2020教程】机器学习不确定性,附88页ppt与视频
专知会员服务
93+阅读 · 2020年10月18日
最新《序列预测问题导论》教程,212页ppt
专知会员服务
83+阅读 · 2020年8月22日
【ICML2020Tutorial】机器学习信号处理,100页ppt
专知会员服务
108+阅读 · 2020年8月15日
迁移学习简明教程,11页ppt
专知会员服务
104+阅读 · 2020年8月4日
【ICML2020】基于模型的强化学习方法教程,279页ppt
专知会员服务
123+阅读 · 2020年7月20日
【新书册】贝叶斯神经网络,41页pdf
专知会员服务
173+阅读 · 2020年6月3日
【EMNLP2019教程】端到端学习对话人工智能,附237页PPT下载
专知会员服务
67+阅读 · 2019年11月25日
微信扫码咨询专知VIP会员