一种基于高斯dropout的深度学习模型不确定度计算方法.pdfVIP

下载本文档

14
0
约8.89千字
约 7页
2023-06-05 发布于四川
举报
版权申诉

一种基于高斯dropout的深度学习模型不确定度计算方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

一种基于高斯dropout的深度学习模型不确定度计算方法，包括如下步骤：步骤1、对深度学习模型权重进行dropout采样，等价于对普通深度学习模型权重施加了一个贝努利分布，即在不改变模型结构的情况下将普通深度学习模型转换成贝叶斯深度学习模型；步骤2、对于深度学习模型进行训练时，采用变分推断的方法求出模型近似后验分布，即用一个分布近似后验概率的分布，计算二者之间的KL散度并且通过优化使得二者之间的KL散度最小化，最后得到最佳近似后验分布；步骤3、将贝叶斯深度学习模型的优化简化成训练好带有高斯dro

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112733945 A (43)申请公布日 2021.04.30 (21)申请号 202110043576.6 (22)申请日 2021.01.13 (71)申请人中国科学技术大学地址