.png){kind=icon}
返回
Poisson Hyperplane processes with rectified linear units
.png){kind=icon}
PRE
AI
DOI：10.1007/s11222-026-10826-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
神经网络在各种分类和回归任务中表现出最佳性能。修正线性单元（ReLU）常被用作神经网络模型隐藏层的激活函数。本文建立了泊松超平面过程（PHP）与两层ReLU神经网络之间的联系。我们证明，带有高斯先验的PHP是两层ReLU神经网络的一种替代概率表示。此外，我们证明由PHP构建的两层神经网络可通过分解命题扩展到大规模问题。最后，我们提出了一种退火序贯蒙特卡罗算法用于贝叶斯推断。我们的数值实验表明，所提出的方法优于经典的两层ReLU神经网络。所提出模型的实现代码可在https://github.com/ShufeiGe/Pois_Relu.git获取。
Keyword:
Poisson hyperplane process
Neural network
Bayesian nonparametric models
期刊
S
IF:
1.6
论文数:
200
被引数:
0
机构
引用论文
Central limit theorem for sequential Monte Carlo methods and its application to bayesian inference序贯蒙特卡罗方法的中心极限定理及其在贝叶斯推理中的应用.png)
ANNALS OF STATISTICS
OAAI
ANNALS OF STATISTICSIF3.7
OAAI分享收藏分享收藏XGBoostProceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningOAAI
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏
查看更多内容