Denoising Neural Processes

新的DnNP模型解决了神经过程中的输入不确定性问题

研究人员开发了去噪神经过程（DnNP），这是神经过程（NP）框架的一个扩展，旨在处理具有内在输入不确定性的真实世界数据。与假设无噪声输入的标准NP不同，DnNP通过变分推理进行训练，以同时去噪损坏的输入并执行元学习。这种双重能力使其对噪声训练数据更加鲁棒，并提高了预测准确性和不确定性量化。在实验中，DnNP在PM2.5空间插值任务上与标准NP相比，显示出显著的改进，均方根误差（RMSE）降低了高达30%，负对数似然（NLL）降低了高达…