arXiv 机器学习· Neil K. Chada, Simon Cotter, Kody J. H. Law, Xinzhu Liang·· 8 小时前AI 评分31
分层贝叶斯深度学习方法的理论与实践进展
Theoretical and Practical Advances in Hierarchical Bayesian Deep Learning Methodology
AI 导读
研究者提出了多层粒子边缘 Metropolis-Hastings（MLPMMH）方法，结合超参数伪边缘推断与网络宽度截断层级上的耦合序贯蒙特卡洛（SMC），解决了分层贝叶斯深度学习中参数与超参数的联合推断难题。
来源：arXiv 机器学习 · arxiv.org