BriefGPT - AI 论文速递
·
通过条件高斯分布生成多中心分类器
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本文提出了一种新的多类高斯过程分类方法，通过改进的softmax似然函数实现。该方法具有良好校准的不确定性估计和有效的潜变量扩充。实验结果显示，与现有技术相比，该方法具有更好的不确定性估计和预测性能。
🎯
关键要点
-
提出了一种基于改进的softmax似然函数的多类高斯过程分类方法。
-
新似然函数具有良好校准的不确定性估计和有效的潜变量扩充。
-
模型通过块坐标升高更新实现快速的变分推断方法。
-
该方法具有快速的条件共轭性，能够实现不确定性校准和速度。
-
实验结果表明，该方法在不确定性估计和预测性能上优于现有技术，速度快两个数量级。
🏷️
标签
➡️
