Yazar
Haußmann, M., Hamprecht, F. A., Kandemir, Melih
Basım Tarihi
2020
Basım Yeri
-
ML Araştırma Basını
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Demirbaş Numarası
2640-3498
Kayıt Numarası
5bc41230-11e6-4ac0-aebb-bc9e03af1629
Lokasyon
Bilgisayar Bilimi
Tarih
2020
Örnek Metin
Kanıt alt sınırının sıkı bir yaklaşıma tabi olarak analitik olarak izlenebilir olduğu varyasyonel çıkarımı sağlayan yeni bir Bayes Sinir Ağı formülasyonu öneriyoruz. Bu izlenebilirliği (i) ReLU doğrusal olmayanlarını bir kimliğin ve bir Heaviside adım fonksiyonunun ürününe ayrıştırarak, (ii) sinir ağı beklentisini varyansından ayrıştıran ayrı bir yol sunarak elde ediyoruz. Aktivasyonlara ayrı gizli ikili değişkenler eklemenin, sinir ağı olasılığını bir doğrusal işlemler zinciri olarak temsil etmeye izin verdiğini resmi olarak gösterdik. Bu yapı üzerinde varyasyonel çıkarım yapmak, kanıtın alt sınırının örnekleme gerektirmeden hesaplanmasını sağlar; bu, yaygın olarak uygulanan Monte Carlo örneklemesi ve CLT ile ilgili tekniklerden daha etkili bir yaklaşımdır. Modeli, BNN çıkarım alternatiflerine karşı bir dizi regresyon ve sınıflandırma görevi üzerinde değerlendiriyoruz ve mevcut en son teknolojiye göre rekabetçi veya iyileştirilmiş performans gösteriyoruz.
Cilt
115
