两篇新研究论文提出了贝叶斯深度学习的进展，重点是改进神经网络的推理方法。第一篇论文认为，基于采样的推理（SAI）在计算上已与优化方法相当，应成为不确定性量化的标准。第二篇论文介绍了一种新颖的、可扩展的基于分数的变分推理方法，该方法避免了重参数化采样，并且可以处理像Vision Transformers这样的大规模网络，解决了其他方法中存在的模式崩溃等问题。 AI
影响 这些论文推动了贝叶斯深度学习的核心研究，有望改进不确定性量化，并为复杂模型实现更具可扩展性的推理。
排序理由 两篇在arXiv上发表的学术论文，提出了贝叶斯深度学习的新方法。
- Bayesian deep learning
- Bayesian neural networks (BNNs)
- ELBO-based VI
- Minhyoung Kim
- sampling-based inference (SAI)
- score-based VI
- uncertainty quantification
- variational inference (VI)
- Vision Transformers
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →