一种贝叶斯方法实现不变深度神经网络

Jul, 2021

A Bayesian Approach to Invariant Deep Neural Networks

Nikolaos Mourdoukoutas, Marco Federici, Georges Pantalos, Mark van der Wilk, Vincent Fortuin

TL;DR本文提出了一种新颖的贝叶斯神经网络架构，可以通过推断不同权重共享方案的后验分布来仅从数据中学习不变性。当在包含特定不变性的数据集上进行训练时，我们的模型优于其他不变变体的结构。没有进行数据增强时同样成立。

Abstract

We propose a novel bayesian neural network architecture that can learn invariances from data alone by inferring a posterior distribution o