stochastic neural networks | BriefGPT

关键词stochastic neural networks

搜索结果 - 11

因果网络：针对高维复杂数据的因果推断
本文提出了一种基于深度学习技术的因果推断方法，用于处理高维复杂数据，包括稀疏深度学习理论和随机神经网络，通过这些技术，该方法能够一致地解决高维度和未知数据生成过程的问题，并在存在缺失值的数据集中表现优于现有方法。
PDF3 months ago
基于条件去噪扩散模型的射电天文图像重构
使用随机神经网络从粗糙的无线电图像中重建天空模型，实现准确的源定位和通量估计，为高红移下研究星系演化提供关键支持。
PDF5 months ago
常见随机神经网络在可靠临床决策支持方面的不足
采用 AI 进行医疗决策仍面临伦理和安全方面的问题。研究表明常用的深度学习方法对数据漂移过于自信，却未能在临床应用中可靠地识别异常样本，暴露了其可靠性不足的问题。存在着更加严格或内生于已知数据点的方法的需求，例如使用基于核的技术。
PDF5 months ago
信息先验提高多模态临床数据分类的可靠性
利用机器学习辅助临床决策支持有潜力显著改善患者护理，本研究设计了一种定制的多模态数据驱动的概率分布，并提出了一种简单可扩展的高斯平均场变分推理来训练具有该先验的贝叶斯神经网络，根据实验结果表明，该方法相比确定性和贝叶斯神经网络的基准模型产生
PDF8 months ago
CVPR随机集成的贝叶斯后验近似
本文介绍了一种基于 Monte Carlo dropout、DropConnect 和一种新的非参数 dropout 的随机神经网络集成方法，通过变分推断将随机集合形式化为分布族，并训练以近似贝叶斯后验，我们在玩具问题和 CIFAR 图像分
PDF2 years ago
ICML批量集合随机神经网络用于产生外部分布检测
本文提出了一种利用特征分布建模的不确定性量化方法，并进一步结合高效的集成机制 —— 批量集成随机神经网络（BE-SNNs）来克服特征折叠问题，经过多个 OOD 基准测试，证明 BE-SNNs 在许多方面优于其他现有的方法。
PDF2 years ago
对抗鲁棒神经网络的权重 - 协方差对齐
本文提出一种新的随机神经网络，学习一种非同向噪声分布并优化学习理论上的鲁棒性，从而实现对各种白盒和黑盒攻击的强鲁棒性，相较于现有替代方案更为简单且训练速度更快。
PDF4 years ago
用摊余式 Stein 变分梯度下降学习绘制样本
我们提出了一种简单的算法，用于训练随机神经网络从给定的目标分布中绘制样本，以进行概率推断。我们的方法基于按照 Stein 变分梯度方向（Liu & Wang，2016）调整神经网络参数，从而最大程度地减少与目标分布的 KL 散度。这种方法适
PDF7 years ago
ICLR基于随机神经网络的分层强化学习
本文提出了一种利用预训练环境学习有用技巧并在下游任务中加速学习的框架，该框架结合了内在动机和分层方法的优点，使用 Stochastic Neural Networks 和信息理论正则化器高效预训练一组可解释技巧，并在下游任务中显著提高学习性
PDF7 years ago
ICLR学习绘制样本：应用于生成式对抗学习的摊销 MLE
本论文提出了一种利用随机神经网络训练概率推理目标分布的简单算法，该方法基于 Stein 变分梯度迭代地适应神经网络参数，并将输出沿着与目标分布 KL 散度最大程度下降的 Stein 变分梯度变化，可适用于任何由未归一化密度函数指定的目标分布
PDF8 years ago
ICLRMuProp: 随机神经网络的无偏反向传播
MuProp 是一种无偏的梯度估计器，用于训练包含离散采样操作的随机网络，并通过控制变量基于平均场网络的一阶泰勒展开来减少方差，其结果是无偏且经过良好的验证。
PDF9 years ago