الاستدلال التبايني الخالي من العينات للشبكات العصبية البايزية عن طريق الانتشار الخلفي للتباين
| العنوان | الاستدلال التبايني الخالي من العينات للشبكات العصبية البايزية عن طريق الانتشار الخلفي للتباين |
|---|---|
| المؤلف | هوسمان، M.، هامبريخت، F. A.، كانديمير، مليح |
| تاريخ النشر: | 2019 |
| مكان النشر | - جمعية عدم اليقين في الذكاء الاصطناعي (AUAI) |
| النوع | وثيقة |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| معرف أصل المكتبة | 2-s2.0-85084012503 |
| رقم السجل | 3482b6a0-79c3-4955-9dbc-a336086f2de8 |
| موقع المكتبة | علوم الكمبيوتر |
| التاريخ | 2019 |
| نص عينة | نقترح صيغة جديدة للشبكة العصبية البايزية التي توفر الاستدلال المتغير الذي يكون الحد الأدنى للأدلة فيه قابلاً للتحليل من الناحية التحليلية ويخضع لتقريب محكم. نحقق قابلية التتبع هذه من خلال (1) تحليل اللاخطية ReLU إلى منتج هوية ووظيفة خطوة Heaviside، (2) تقديم مسار منفصل يحلل توقع الشبكة العصبية من تباينها. نوضح رسميًا أن إدخال متغيرات ثنائية كامنة منفصلة لعمليات التنشيط يسمح بتمثيل احتمالية الشبكة العصبية كسلسلة من العمليات الخطية. يتيح إجراء الاستدلال المتغير على هذا البناء حسابًا خاليًا من العينات للحد الأدنى للأدلة وهو تقريب أكثر فعالية من تقنيات أخذ عينات مونت كارلو المطبقة على نطاق واسع والتقنيات ذات الصلة بـ CLT. نقوم بتقييم النموذج على مجموعة من مهام الانحدار والتصنيف مقابل بدائل استدلال BNN، مما يُظهر أداءً تنافسيًا أو محسنًا مقارنة بالوضع الحالي. |
