【导读】45页pdf论述最新贝叶斯神经网络发展。

近年来，神经网络已成为分析复杂和抽象数据模型的有力工具。然而，它们的引入本质上增加了我们的不确定性，即分析的哪些特征是与模型相关的，哪些是由神经网络造成的。这意味着，神经网络的预测存在偏差，无法与数据的创建和观察的真实本质区分开来。为了尝试解决这些问题， 我们讨论了贝叶斯神经网络:可以描述由网络引起的不确定性的神经网络。 特别地，我们提出了 贝叶斯统计框架，它允许我们根据观察某些数据的根深蒂固的随机性和我们缺乏关于如何创建和观察数据的知识的不确定性来对不确定性进行分类 。在介绍这些技术时，我们展示了如何从原理上获得神经网络预测中的误差，并提供了描述这些误差的两种常用方法。我们还将描述这两种方法在实际应用时如何存在重大缺陷，并强调在使用神经网络时需要其他统计技术来真正进行推理。

专知便捷查看

便捷下载 ，请关注 专知 公众号（点击上方 蓝色 专知关注）