AAAI 2024 | 面向神经网络的全贝叶斯显著性检验方法

文章预览

©PaperWeekly 原创 · 作者 |  刘泽华、李梓萌等 单位 |  北航BIGSCity实验室 显著性检验可以用于判断一个命题在给定观察数据下是否为真。然而，传统的显著性检验往往需要推导检验统计量的分布形式，难以处理复杂的非线性关系。 在本文中，我们提出面向神经网络的全贝叶斯显著性检验方法，称为 n FBST (neural FBST)，以克服传统检验方法对建模非线性关系的局限性， 是首篇将深度神经网络引入显著性检验的工作。 我们采用贝叶斯神经网络来精确地拟合非线性和高维关系，进而通过计算贝叶斯证据作为检验度量。 n FBST 不仅可以进行全局的检验，还可以进行局部和逐样本的检验，之前的检验方法只关注全局的检验。而且， n FBST 是一个通用的框架，可以选择不同的特征重要性度量进行扩展，比如 Grad- n FBST、LRP- n FBST、DeepLIFT- n FBST、LIME- n FBST。 我们在 ………………………………