限界不確実性を越えて:Bayes回帰モデルは事後予測相関をどのように推定できるか?【JST・京大機械翻訳】

Wang Chaoqi; Sun Shengyang; Grosse Roger

プレプリント

J-GLOBAL ID：202202212545465070 整理番号：21P0059445

限界不確実性を越えて:Bayes回帰モデルは事後予測相関をどのように推定できるか?【JST・京大機械翻訳】

Beyond Marginal Uncertainty: How Accurately can Bayesian Regression Models Estimate Posterior Predictive Correlations?

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年11月05日プレプリントサーバーでの情報更新日： 2021年02月28日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

不確実性推定は深層学習におけるよく研究されているトピックであるが,そのような研究は,限界不確実性推定,すなわち個々の入力位置における予測平均と分散に焦点を当てた。しかし,異なる入力位置における関数値間の予測相関を推定することは,しばしばより有用である。本論文では,正確にBayesモデルがどのように予測相関を推定できるかをベンチマークする問題を考察した。最初に,事後予測相関に依存する下流タスクを考察した:トランスダクティブ能動学習(TAL)。TALは通常のアクティブ学習よりもモデルの不確実性推定を良好に利用し,Bayesモデルを評価するためのベンチマークとしてこれを推奨した。TALは,アルゴリズムの開発を導くために高価で間接的であるので,予測相関を直接評価する2つの計量を導入し,効率的に計算できる:メタ相関(すなわち,モデル相関推定値と真の値の間の相関)と交差正規化尤度(XLL)。TAL性能との整合性を示すことにより,これらの計量を検証し,現在のBayesニューラルネットワークとGaussプロセスモデルの相対的性能に関する洞察を得た。【JST・京大機械翻訳】

, , , , , , ,
, , , , , 【Automatic Indexing@JST】

システムモデル , 地下水流 , 水文学一般 , 統計的品質管理 , 研究開発

, , , , ,

前のページに戻る