Jun, 2019

功能性神经过程

TL;DR本文介绍了一种新的可交换随机过程 —— 函数神经过程(FNPs),它们通过学习数据集中点的潜在表示的依赖关系图,对函数分布进行建模。作者在不明确设定潜在全局参数的先验分布的情况下,采用了对给定数据集的关系结构的先验分布来定义贝叶斯模型,并通过小批量优化提高了可扩展性。作者还展示了如何通过后验预测分布对新点进行预测,并在玩具回归和图像分类任务上实验评估了 FNPs,证明了相比采用全局潜在参数的基准模型,FNPs 不仅提供了竞争性的预测性能,而且更具鲁棒性的不确定性估计。