信息神经贝叶斯方法用于神经网络训练：机遇与前景
机器学习
2017-12-05 v3
摘要
本文在信息论的背景下对分类问题进行了研究。该领域的当前研究集中于优化和贝叶斯方法。尽管这些方法给出了令人满意的结果，但它们需要大量的数据和计算资源进行训练。作者提出了一种名为信息神经贝叶斯方法（INA）的新概念，它能够解决相同的问题，但所需的训练数据和计算能力显著减少。通过实验将其性能与传统方法进行比较，结果表明 INA 的潜力相当可观。
引用
@article{arxiv.1710.07264,
title = {Informational Neurobayesian Approach to Neural Networks Training. Opportunities and Prospects},
author = {Artem Artemov and Eugeny Lutsenko and Edward Ayunts and Ivan Bolokhov},
journal= {arXiv preprint arXiv:1710.07264},
year = {2017}
}
备注
9 pages, 5 figures, 2 tables; corrected typos, mistake in a formula