抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
パラメータの不確実性は,測定ノイズのようなデータの固有のランダム性を捕捉する。Bayes回帰において,Gauss観測モデルを使用し,ここでは,雑音分散パラメータによるアリーレータ不確実性のレベルを制御する。対照的に,Bayes分類のためには,アリーレータの不確実性に関する著者らの信念を表現するために,メカニズムのないカテゴリー分布を使用した。本研究は,明示的な不確実性の明示的説明がBayesニューラルネットワークの性能を著しく改善することを示した。CIFARのような多くの標準ベンチマークは,本質的にはアリーレータの不確実性を持たないことに注目した。さらに,近似推論におけるデータ増強は,尤度を軟化させる効果を持ち,非信 and性をもたらし,そして,アリータリック不確実性に関する著者らの正直な信念を,大いに誤表示する。従って,著者らは,1より大きい電力によって焼戻し,低温後部が,しばしば,データ増強と寒冷後部の間の明示的なリンクを提供する,焼戻しなしよりも,アリータリック不確実性についての著者らの信念を,より正当に反映することを発見した。著者らは,焼戻しの必要なしに,アリーレータ不確実性のレベルを明確に制御するDirichlet観測モデルを用いて,事後焼戻しの性能に整合または超えることができることを示した。【JST・京大機械翻訳】