用于可靠不确定性量化的可信变分贝叶斯

本文解决了变分贝叶斯（VB）的一个关键局限性，VB是一种流行的贝叶斯推断方法：其不靠谱的不确定性量化（UQ）。作者提出了可信变分贝叶斯（TVB），一种重新校准VB的UQ的方法，确保更准确和可靠的不确定性估计。这很重要，因为准确的UQ对于贝叶斯方法的实际应用至关重要，尤其是在安全关键领域。本文的贡献在于为校准的置信区间提供了理论保证，并引入了用于高效实施的实用方法，包括用于并行化和灵活参数选择的“TVB表”。 关注解决覆盖不足问题并实现标称频率主义覆盖是其主要优势。

• •解决了变分贝叶斯中不可靠的不确定性量化问题。
• •提出了可信变分贝叶斯（TVB）来重新校准UQ。
• •为校准的置信区间提供了理论保证。
• •引入了“TVB表”以实现高效实施和并行化。
• •在数值实验中展示了优于标准VB的性能。