PulseAugur
中
实时 07:29:32
实体 Bayesian linear models

Bayesian linear models

PulseAugur coverage of Bayesian linear models — every cluster mentioning Bayesian linear models across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_29307 ·

    新的SSLA方法改进了贝叶斯模型不确定性量化

    研究人员开发了一种名为自监督拉普拉斯近似（SSLA）的新方法，用于直接近似贝叶斯模型中的后验预测分布。该方法借鉴了自训练技术的灵感，通过在模型自身预测上重新拟合模型来量化预测不确定性。SSLA方法提供了一种确定性的、无采样的近似方法，在回归任务（包括贝叶斯神经网络）的预测校准方面优于经典的拉普拉斯近似，同时保持了计算效率。