基于贝叶斯高阶ReLU KAN的不确定性量化

BriefGPT - AI 论文速递 · 2024-10-02T00:00:00Z

本研究探讨Kolmogorov-Arnold网络中的不确定性量化，特别是高阶ReLU KAN，以提升贝叶斯方法的计算效率。该方法普适，能同时获取认识性和随机性不确定性，适用于其他基函数，并通过测试验证了其识别功能依赖关系的能力。