【剑桥大学博士论文】卷积条件神经过程，226页pdf

文章预览

神经过程是一类使用神经网络直接参数化从数据集到预测的映射的模型家族。直接参数化这个映射使得神经网络能够在小数据问题中表现出色，而传统上神经网络在这种情况下容易过拟合。神经过程能够产生良好校准的不确定性，有效处理缺失数据，并且易于训练。这些特性使得该模型家族在医疗保健或环境科学等多个应用领域具有吸引力。 本论文在神经过程方面进行了三项进展： 首先，我们提出了卷积神经过程（ConvNPs）。ConvNPs通过引入一种称为平移等变性的对称性来提高神经过程的数据效率。ConvNPs依赖于卷积神经网络，而不是多层感知器。 其次，我们提出了高斯神经过程（GNPs）。GNPs直接参数化神经过程预测中的依赖关系。当前用于建模预测依赖性的方式依赖于潜在变量，这需要近似推断，从而削弱了方法的简洁性。 第三，我们提出了自回 ………………………………