基于完全贝叶斯神经网络的不连续和非稳态数据的主动学习
原文中文，约200字，阅读约需1分钟。发表于：。主题：主动学习、概率替代模型、高斯过程、不连续性、完全贝叶斯神经网络；摘要：评估了完全贝叶斯神经网络在小数据条件下使用无 U-Turn 采样器进行主动学习任务的适用性和性能，突显了其增加物理科学问题相关测试函数的预测准确性和可靠性的潜力。
本文提出了一种通过闭合式贝叶斯推断方法来学习贝叶斯神经网络的新方法，通过将权重建模为高斯随机变量的方法，使网络参数的训练具有连续性且无需梯度下降优化方法。该方法在多个 UCI 数据集上进行了演示，并与现有技术进行了比较。
