BriefGPT - AI 论文速递
·
后验贝叶斯深度学习中的固定均值高斯过程
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种新的稀疏变分高斯过程(FMGP)，用于估计预训练深度神经网络的后验不确定性。实验结果表明，FMGP在不确定性估计和计算效率方面优于现有方法。
🎯
关键要点
- 本研究提出了一种新的稀疏变分高斯过程(FMGP)。
- FMGP用于估计预训练深度神经网络的后验不确定性。
- 通过将高斯过程的均值固定为预训练DNN的输出，FMGP有效拟合预测方差。
- 实验结果表明，FMGP在不确定性估计和计算效率方面优于现有方法。
➡️
