Marius Peter Linhard

新方法使贝叶斯神经网络中的随机性稀疏化

研究人员开发了一种用于贝叶斯神经网络的新颖方法，该方法涉及选择性地使参数确定性，而不是完全随机性。这种被称为“部分随机性”的方法使用深度权重分解来识别先验尺度低于特定截止值的参数，并将它们指定为确定性的。该技术对随机性进行稀疏化，而不是对网络容量进行稀疏化，从而实现了可以有效检查的通用条件密度近似证书。在双峰目标和UCI基准上的实验表明，这种学习到的分割在保持大约一半参数为确定性的同时，其性能与完全随机的网络相当。