贝叶斯神经网络: 一个极小极大博弈框架

Junping Hong; Ercan Engin Kuruoglu

贝叶斯神经网络: 一个极小极大博弈框架

机器学习 2024-12-02 v3 人工智能

作者: Junping Hong , Ercan Engin Kuruoglu

摘要

在深度学习中,贝叶斯神经网络(BNN)起到鲁棒性分析的作用,而极小极大方法在传统贝叶斯领域中被用作一种保守选择。本文中,我们研究一种采用极小极大方法的保守BNN,并构建确定性神经网络 $f$ 与采样随机神经网络 $f + r*\xi$ 之间的双人博弈。从该视角,我们理解了具有极小极大损失的闭环神经网络,并揭示了它们与BNN的联系。我们在简单数据集上测试了模型,研究了其在噪声扰动下的鲁棒性,并报告了搜索 $r$ 的一些问题。

关键词

贝叶斯神经网络极小极大方法鲁棒性双人博弈噪声扰动深度学习

引用

@article{arxiv.2311.11126,
  title  = {Bayesian Neural Networks: A Min-Max Game Framework},
  author = {Junping Hong and Ercan Engin Kuruoglu},
  journal= {arXiv preprint arXiv:2311.11126},
  year   = {2024}
}

备注

6 pages, 7 figures,

贝叶斯神经网络: 一个极小极大博弈框架

摘要

关键词

引用

备注

相关论文