一种用于提升半结构化网络性能的 PHO 新公式
机器学习
2023-06-02 v1 机器学习
摘要
近期将结构化回归模型与深度神经网络相结合的进展，为更好的可解释性、更强表达力以及统计上有效的不确定性量化，展示了半结构化神经网络（SSNs）的多功能性。然而，我们表明，在 SSNs 中恰当识别不同模型组分贡献的技术会导致次优的网络估计、更慢的收敛以及退化或错误的预测。为解决这些问题同时保持有利的模型性质，我们提出一种非侵入式后验正交化（PHO），其保证模型组分的可识别性并提供更好的估计与预测质量。我们的理论发现得到数值实验、基准比较以及 COVID-19 感染真实世界应用的支持。
引用
@article{arxiv.2306.00522,
title = {A New PHO-rmula for Improved Performance of Semi-Structured Networks},
author = {David Rügamer},
journal= {arXiv preprint arXiv:2306.00522},
year = {2023}
}
备注
ICML 2023