概率神经网络_PR Ⅳ: 贝叶斯神经网络 Bayesian Neural Network

7bb3d9e82a002f06dcf310650832cdbd.png

Probabilistic in Robotics Ⅳ: Bayesian Neural Network

贝叶斯方法后来也搭上了Deep learning的顺风车,摇身一变成了Bayesian Neural Network(BNN)。

注意:这叫做贝叶斯神经网络,不是贝叶斯图网络

之前一直在介绍贝叶斯方法的思想,但是没有介绍怎么求解。在第二章Bayesian Inference已经写过主要的求解方式有两种:

  • 基于采样马尔可夫链蒙特卡罗(Markov Chain Monte Carlo,简称MCMC)方法
  • 基于近似变分推断(Variational Inference,简称VI)方法

这两个还是放在后面,链接之后会放出。先介绍变分推断的特例,贝叶斯神经网络。

结构

左图是普通的全连接(deterministic)神经网络,右图是贝叶斯(probabilistic)神经网络。

4261a07e1e5bf47500ce9d5367434469.png
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
贝叶斯神经网络是将贝叶斯方法和神经网络结合的一种方法。在实践中,训练贝叶斯神经网络是一项具有挑战性的任务。最流行的训练神经网络的方法是反向传播算法,而我们可以使用反向传播算法来训练贝叶斯神经网络贝叶斯神经网络的目标是通过考虑不确定性来提高神经网络的性能和鲁棒性。通过引入概率分布来表示权重和偏置项的不确定性,贝叶斯神经网络可以提供更加准确的预测和更可靠的不确定性估计。贝叶斯神经网络的训练过程涉及到对权重和偏置项的后验分布进行推断,通常使用一些近似推断方法来简化计算。总的来说,贝叶斯神经网络是一种优化概率神经网络的方法,它可以提供更加准确和可靠的预测结果。\[2\] #### 引用[.reference_title] - *1* [优化概率神经网络_贝叶斯神经网络最新综述](https://blog.csdn.net/weixin_39695323/article/details/111049287)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [优化概率神经网络_贝叶斯神经网络(系列):第二篇](https://blog.csdn.net/weixin_39747630/article/details/110243953)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值