Dec, 2019
面向贝叶斯神经网络的表达能力先验：泊松过程径向基函数网络
Towards Expressive Priors for Bayesian Neural Networks: Poisson Process
Radial Basis Function Networks
TL;DR本文引入了一种新的先验——泊松过程径向基函数网络，能够编码幅度稳定性和输入相关长度尺度， 而不像现有的先验那样难以纳入这些基本特性，同时证明了这种新的先验能够解耦这些特性的规范化，且随着观测次数趋于无限大，估计的回归函数是一致的，文章通过人造和真实示例展示了泊松过程径向基函数网络的行为。