贝叶斯神经网络的管状黎曼拉普拉斯近似
Research Paper#Bayesian Neural Networks, Machine Learning, Deep Learning🔬 Research|分析: 2026年1月3日 15:35•
发布: 2025年12月30日 17:50
•1分で読める
•ArXiv分析
本文介绍了贝叶斯神经网络的管状黎曼拉普拉斯（TRL）近似。它解决了欧几里得拉普拉斯近似在处理深度学习模型的复杂几何结构方面的局限性。TRL将后验分布建模为概率管，利用Fisher/Gauss-Newton度量来分离不确定性。关键贡献是一个可扩展的重新参数化的高斯近似，它隐式地估计曲率。本文的重要性在于其在贝叶斯神经网络中提高校准和可靠性的潜力，在计算成本大大降低的情况下，实现了与深度集成相当的性能。