★ 2
arXiv 论文提出多层粒子边缘 Metropolis-Hastings 贝叶斯深度学习方法
论文针对 AI 中可靠不确定性量化难题，提出多层粒子边缘 Metropolis-Hastings（MLPMMH）方法，结合伪边缘推断与跨网络宽度截断层级的耦合序列蒙特卡洛。作者证明 MLPMMH 以 O(ε⁻²) 期望计算代价达到 O(ε²) 均方误差，并提出可扩展近似 S-MLPMMH。在 MN…
arXiv cs.LG18 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文针对 AI 中可靠不确定性量化难题，提出多层粒子边缘 Metropolis-Hastings（MLPMMH）方法，结合伪边缘推断与跨网络宽度截断层级的耦合序列蒙特卡洛。作者证明 MLPMMH 以 O(ε⁻²) 期望计算代价达到 O(ε²) 均方误差，并提出可扩展近似 S-MLPMMH。在 MN…