题目: Bayesian Reasoning with Deep-Learned Knowledge

摘要: 我们通过对训练的深层神经网络的内在理解,在复杂的任务上进行贝叶斯推理。独立训练的网络被安排在其原始范围之外的swer问题的联合中,而swer问题是用贝叶斯推理问题来表示的。我们用近似推理来解决这个问题,这为结果提供了不确定性。我们展示了如何在高分辨率的人脸图像背景下,将独立训练的网络与传统的噪声测量相结合,从传统的生成器中提取样本,同时解决多个约束条件下的谜题。

成为VIP会员查看完整内容
38

相关内容

人工智能(Artificial Intelligence, AI )是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支。
17篇必看[知识图谱Knowledge Graphs] 论文@AAAI2020
元学习—Meta Learning的兴起
专知
44+阅读 · 2019年10月19日
2019年最新-深度学习、生成对抗、Pytorch优秀教材推荐
深度学习与NLP
42+阅读 · 2019年4月18日
论文浅尝 | 变分知识图谱推理:在KG中引入变分推理框架
资源 | NIPS 2017 Spotlight论文Bayesian GAN的TensorFlow实现
A Survey on Bayesian Deep Learning
Arxiv
63+阅读 · 2020年7月2日
Arxiv
8+阅读 · 2018年3月17日
VIP会员
相关VIP内容
相关资讯
微信扫码咨询专知VIP会员