arXiv cs.LG· Neil K. Chada, Simon Cotter, Kody J. H. Law, Xinzhu Liang·· 19 天前AI 评分32
分层贝叶斯深度学习方法在理论与实践中的新进展
Theoretical and Practical Advances in Hierarchical Bayesian Deep Learning Methodology
AI 导读
研究者提出了多层粒子边缘 Metropolis-Hastings（MLPMMH）方法，将超参数伪边缘推断与跨网络宽度截断层级的分层序列蒙特卡洛相结合，解决神经网络参数与先验超参数的联合推断难题。
来源：arXiv cs.LG · arxiv.org