bayesian neural networks | BriefGPT

关键词bayesian neural networks

搜索结果 - 172

个性化联邦学习参数选择的贝叶斯神经网络
提出了一种个性化的联邦学习方法，在神经网络的元素级别进行个性化参数选择，利用贝叶斯神经网络和提供的不确定性来指导参数选择，实验证明该方法在多个真实数据集上优于现有基线模型。
PDF4 months ago
具备领域知识先验的贝叶斯神经网络
通过变分推理，提出了一种将通用形式的领域知识（通过损失函数表示）整合到贝叶斯神经网络先验中的框架，使得后验推断和抽样具有高效性，以提升预测性能。
PDF4 months ago
稀疏子空间变分推断训练贝叶斯神经网络
稀疏子空间变分推理（SSVI）是一种全稀疏贝叶斯神经网络（BNN）框架，它通过从随机初始化的低维稀疏子空间开始，交替优化稀疏子空间基选择和相关参数，实现了在训练和推理阶段一致高稀疏性的 BNN 模型。
PDF5 months ago
基于 Stein 变分梯度下降的贝叶斯深度学习用于剩余寿命估计
预测性维护中用于评估物理系统剩余寿命的关键任务是通过深度学习提高预测性能，本研究提出使用 Stein 变分梯度下降算法训练贝叶斯深度学习模型来解决传统方法的局限性并提供性能改进，通过实验研究得出在模拟涡轮发动机老化数据中，通过 Stein
PDF5 months ago
通过贝叶斯神经网络推断具有不确定性的 Langevin 方程
采用贝叶斯神经网络推断随机系统的朗之万方程，以及预测不确定性的综合框架。
PDF5 months ago
连接这些点：是模式连接性是贝叶斯神经网络中可行的基于样本的推断的关键吗？
通过揭示权重和函数空间之间的特征关系，我们的研究表明在基于样本的贝叶斯神经网络推理中，成功采样方法是可能的，同时也揭示了超参数化与采样问题困难之间的系统联系。通过广泛实验，我们建立了采样和收敛诊断的实用指南。因此，我们提出了一种贝叶斯深度集
PDF5 months ago
增强边缘端神经网络可靠性：随机仿射变换的反向归一化
提出了一种用于提高内存计算架构中部署的 BayNN 的鲁棒性和推断准确性的方法，其中引入了一个新型的标准化层以及随机的仿射变换，经过各种基准数据集的实证结果表明，推断准确性呈现出优雅的降级，改进幅度高达 58.11%。
PDF5 months ago
贝叶斯神经网络中概率鲁棒性的严格验证
我们介绍了两种算法，用于计算贝叶斯神经网络（BNNs）的概率鲁棒性的严格保证。
PDF5 months ago
NeuSpin：基于自旋电子技术的可靠边缘神经形态系统设计，用于绿色人工智能
通过全栈硬件和软件共同设计，NeuSPIN 项目旨在解决基于自旋电子技术的 CIM 平台上 BayNNs 的可变性和制造缺陷所带来的挑战，并开发新的算法和电路设计方法，以提高 BayNNs 在 CIM 硬件上的性能，能效和稳健性。
PDF6 months ago
基于蒙特卡洛失活的贝叶斯神经网络施行旋转电子学测试
Bayesian Neural Networks (BayNNs) and uncertainty estimation in spintronics-based computation-in-memory architectures ar
PDF6 months ago
去除置换对称性的贝叶斯神经网络紧凑表示
该论文提出了一种基于贝叶斯神经网络的方法，使用 Hamitonian Monte Carlo 采样和 rebasin 方法，对神经网络的权重进行可解释的不确定性估计，从而实现了采样方法和变分推断的统一，可以直接比较不同采样方法和变分推断训练
PDF6 months ago
构建 BNN：一种从预训练模型中估计贝叶斯不确定性的简单策略
深度神经网络（DNN）是各种计算机视觉任务的强大工具，但它们经常在可靠的不确定性量化方面遇到困难 - 这是实际应用的关键要求。贝叶斯神经网络（BNN）能够进行不确定性估计，但无法扩展到高度不稳定的大型 DNNs，这些 DNNs 难以训练。为
PDF6 months ago
基于贝叶斯神经网络的实用布局感知模拟 / 混合信号设计自动化
高成本模拟一直是实际模拟 / 混合信号设计自动化的瓶颈。我们提出了一种基于学习的算法，能够使用少量数据进行训练，因此适用于模拟成本高的任务。我们的高效算法解决了后布局性能优化问题，同时也解决了原理图级别调整问题。为了实现高效优化，我们使用贝
PDF7 months ago
规模 - 丢弃：使用随机规模估计深度神经网络中的不确定性
在本论文中，我们提出了一种用于二元神经网络（BNNs）的新型正则化技术 —— 比例 Dropout（Scale Dropout），以及基于蒙特卡罗比例 Dropout（MC-Scale Dropout）的 Bayesian NNs，用于有效
PDF7 months ago
基于不确定性的 MRI 分割的人工智能
通过结合贝叶斯神经网络和注意机制，我们提出了一种不确定性感知的 MRI 数据分割模型 BA U-Net，用于高精度且可解释的病理自动筛查的关键首步，我们在公开可用的 BraTS 2020 数据集上使用 F1 分数和交并比（IoU）作为评价指
PDF7 months ago
Favour：一种用于确定不确定性评级的快速方差算子
本研究提出了一种基于 “尖峰协方差矩阵” 的更加原理性的方差传播框架，可在质量和推理时间之间平滑插值，使得贝叶斯神经网络能够在之前无法触及的性能关键任务领域中使用。
PDF7 months ago
贝叶斯神经网络：一种极小极大博弈框架
使用随机变量描述神经网络的贝叶斯神经网络被构建成极小极大博弈问题，通过在 MNIST 数据集上的实验结果，发现其与闭环转录神经网络有可比性，并揭示了两者之间的联系和贝叶斯神经网络的实用性。
PDF8 months ago
基于贝叶斯神经网络的多变量回归材料性质预测的不确定性量化
使用物理知识指导的贝叶斯神经网络（BNNs）进行材料预测，可实现准确的失效寿命预测和不确定性估计，提供决策依据。
PDF8 months ago
基于贝叶斯的领域不变学习通过参数分布的后验概括
通过聚合不同训练领域上的后验，本研究提出了一个引理来隐式推断参数的不变后验分布，并使用 Posterior Generalization (PTG) 方法来估计不变参数分布，该方法基于变分推断近似参数分布，包括不变后验和训练领域的后验。研究
PDF8 months ago
通过对潜在表示进行高维度测试的自适应不确定性估计
利用数据自适应高维假设检验的新框架对不确定性进行估计，通过对特征表示的统计特性进行测试，以提升对潜在表示中的不确定性的判别能力并实现更准确的不确定性估计，同时引入一种基于家族式测试的过程来确定 ODD 检测的最佳阈值，以最小化假阳性的发现率
PDF8 months ago