批归一化深度网络的贝叶斯不确定性估计
摘要：使用批归一化训练深度网络等效于在贝叶斯模型中进行近似推理。我们进一步展示了这一发现使我们能够在常规架构中对模型不确定性进行有意义的估计，而无需对网络或训练过程进行修改。通过对不同任务进行一系列实证实验来彻底验证我们的方法的有效性。它以强大的统计显著性优于基准方法，并展示了与最新的贝叶斯方法相竞争的性能。
作者：Mattias Teye, Hossein Azizpour, Kevin Smith
论文ID：1802.06455
分类：Machine Learning
分类简称：stat.ML
提交时间：2018-07-17