bayesian model averaging | BriefGPT

关键词bayesian model averaging

搜索结果 - 8

BayTTA: 使用贝叶斯模型平均优化测试时间增强的不确定性感知医学图像分类
本研究提出了一种新的基于贝叶斯模型平均的测试时间增强（TTA）优化框架 BayTTA，通过结合模型预测并加权考虑后验概率，可以提高相关机器学习或深度学习模型的预测性能。在医学图像分析和一些流行的预训练 CNN 模型中，BayTTA 的实验结
PDF9 days ago
ICLR灵活的非参数后验采样增强迁移学习
介绍了非参数迁移学习 (NPTL)，这是一种灵活的后验抽样方法，用于解决非参数学习的上下文中的分布偏移问题。通过大量的实证验证，证明我们的方法在 BMA 性能方面超过了其他基线模型。
PDF4 months ago
概率编程中超越路径上贝叶斯模型平均
通过路径加权，基于后验概率的概率编程中的预测能够得到更加鲁棒且优越的结果。
PDF8 months ago
面向上下文学习的何以及如何学习？贝叶斯模型平均、参数化和泛化
本文对 In-Context Learning (ICL) 的学习器类型、性能度量、误差率以及 Transformer 架构和 ICL 的关系进行了全面深入的研究，初步证明 ICL 隐含地实现了贝叶斯模型平均算法并受注意机制参数化，同时建立
PDFa year ago
深度学习中贝叶斯不确定性的简单基准线
SWA-Gaussian 是一种用于深度学习中的不确定性表示和校准的简单、可伸缩和通用方法，它利用随机加权平均（Stochastic Weight Averaging，SWA）和高斯分布来进行贝叶斯模型平均，具有较好的拟合效果和性能。
PDF5 years ago
使用堆叠方法对贝叶斯预测分布进行平均
我们提出了一种基于预测分布的 Stacking 方法，利用 Pareto-smooth 重要性采样计算所需的单次观察后验分布和正则化以获得更好的稳定性，比较结果表明我们的方法在计算成本可接受的情况下优于其它方法。
PDF7 years ago
贝叶斯模型平均：系统性评述与概念分类
该研究通过对 587 篇 Bayesian Model Averaging 相关论文的内容分析，提供了一种概念分类方案，以更好地描述这个庞大的文献，并为研究者提供指导，深入研究该方法论的应用和发展。
PDF9 years ago
高效采样下的中等规模贝叶斯网络结构学习
本文研究学习贝叶斯网结构的贝叶斯模型平均方法，提出了新算法，包括第一个能够根据精确结构后验有效采样有向无环图的算法。 DAG 样本可以用来构造任何特征的后验估计器，在理论上证明了我们的估计器的良好性质，并在实证上表明估计器明显优于先前最先进
PDF9 years ago