A survey on Bayesian deep learning 2021

文章预览

A survey on Bayesian deep learning 贝叶斯深度学习综述 https://dl.acm.org/doi/pdf/10.1145/3409383 https://arxiv.org/pdf/1604.01662 摘要 一个全面的人工智能系统不仅需要用不同的“感官”（例如看到和听到）来感知环境，还需要推断世界的条件（甚至因果）关系和相应的不确定性。过去十年，许多感知任务取得了重大进展，例如使用深度学习模型的视觉对象识别和语音识别。然而，对于更高级别的推理，具有贝叶斯性质的概率图模型仍然更强大和灵活。近年来，贝叶斯深度学习作为统一的概率框架出现，将深度学习和贝叶斯模型紧密结合  1  。在这个通用框架中，使用深度学习对文本或图像的感知可以提高更高级别推理的性能，反过来，推理过程的反馈能够增强对文本或图像的感知。本综述对贝叶斯深度学习进行了全面的介绍，并回顾了其在推荐系统、主题模型、控制 ………………………………