一、介绍：了解我们不知道的事物的重要性

二、不确定性语言

三、贝叶斯深度学习

四、不确定性质量

五、应用

六、深入洞察

七、研究展望

 

第一节：知道我们所不知道的。

1.1 Aleatoric uncertainty and epistemic uncertainty 任意不确定性和认知不确定性

认知不确定性也称model uncertainty（模型不确定性），包含uncertainty in model parameters和structure uncertainty。

任意不确定性和认知不确定性可用于推导预测性不确定性（预测数据的置信水平）

第二节：不确定的语言

2.1 贝叶斯建模

变分推理

概率分布优化替代点估计

2.2 贝叶斯神经网络

 对于普通的神经网络来讲，需要设计好损失函数，通过SDG、Adam等优化器进行优化求得最优参数，使得Loss最小，而对于贝叶斯神经网络，需要最小化的便是KL散度，我们需要将KL散度拆分成方便计算求解的项。

第三节 贝叶斯深度学习

3.1先进推断方法

目标函数最小化

为了降低计算量，采用子采样

MC 蒙特卡洛方法估计log 的期望

3种方法：Score function   Pathwise deriative  Chacracrer function

3.2实用推断

 

 

# 机器学习
Logo
CSDN学习社区

CSDN联合极客时间，共同打造面向开发者的精品内容学习社区，助力成长！

更多推荐

嵌入式作业（七）：基于Ardunio的STM32串口通信

嵌入式作业（七）0作业要求1Ardunio 完成STM32的串口通信（1）安装Ardunio IDE（2）stm32串口通信2关于 stduino IDE0作业要求安装 Ardunio IDE 和相关软件支持库，在Ardunio 完成STM32板子的串口通信程序：（1）持续向串口输出“Hello world！”；（2）当接收到“stop!”时，停止输出。网上有一个国人版的MCU集成开发平台， st

avatar CSDN学习社区

JDBC详解

JDBC文章目录JDBC什么是JDBC?JDBC驱动程序:Java使用JDBC访问数据库的步骤:设置classpath:Oracle连接字符串的书写格式:简单的例子:常用数据库的驱动程序及JDBC URL:Oracle数据库:SQL Server数据库MySQL数据库Access数据库PreparedStatement接口:JNDI-数据源（Data Source）与连接池（Connection

avatar CSDN学习社区

“模式识别与机器学习”学习笔记no2.再谈感知机

接**上篇：上篇主要进行了PLA，Pocket算法的理论过程分析和在给定数据集上利用pocket算法对数据集进行分类学习，得到错分数量最少的分类面。上篇中pocket算法的过程已经进行了编程和测试，框架已经建立了起来，这一篇主要上篇中没有提到或涉及不深的几个问题。1.数据集的构造。上篇是直接使用了题目给的向量，这次来根据正态分布来产生数据集。np.random.normal函数可以根据均值和方差生

avatar CSDN学习社区