实体 S-MLPMMH

S-MLPMMH

PulseAugur coverage of S-MLPMMH — every cluster mentioning S-MLPMMH across labs, papers, and developer communities, ranked by signal.

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

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_301088 · Oct 15 · 04:00

新的分层贝叶斯方法增强了AI的不确定性量化

研究人员开发了一种名为多层粒子边际Metropolis-Hastings (MLPMMH) 的新方法，通过使用分层贝叶斯深度学习来改进AI中的不确定性量化。该方法结合了用于超参数的伪边际推理和用于参数推理的网络宽度截断的序列蒙特卡洛。一种名为S-MLPMMH的近似方法，使用了PCA和可扩展贝叶斯蒙特卡洛，在MNIST数据集上显示出具有竞争力的性能和不确定性量化。