跳到主要内容
检索

# 活跃子空间

1 篇关联报道

订阅更新
  1. arXiv

    广义拉普拉斯活跃子空间:用少量曲率方向实现神经网络可扩展不确定性量化

    该工作提出一种基于广义贝叶斯框架的低秩拉普拉斯近似,将神经网络后验限制在由经验平均损失的广义高斯-牛顿曲率主导方向张成的活跃子空间中,用无矩阵Lanczos算法计算特征对并以经验贝叶斯标定先验方差;在回归与分子生成分类任务上,标准贝叶斯缩放会随数据量增大而过度收缩后验方差、迫使保留大量弱曲率方向,而均值损失缩放仅需少数方向即可获得校准且连贯的预测区间。

已读完全部报道