arXiv cs.LG· Neil K. Chada, Simon Cotter, Kody J. H. Law, Xinzhu Liang·· 7 小时前AI 评分15
分层贝叶斯深度学习新方法 MLPMMH 与 S-MLPMMH 提出，软件已开源
Theoretical and Practical Advances in Hierarchical Bayesian Deep Learning Methodology
AI 导读
研究提出多层级粒子边际 Metropolis-Hastings（MLPMMH）方法，将超参数的伪边际推断与跨网络宽度截断层级的耦合 SMC 结合，在标准多层耦合假设下实现 MSE 为 O(ε²)、期望计算成本为 O(ε⁻²)。
来源：arXiv cs.LG · arxiv.org