NP-PROV：仅位置相关方差的神经过程
机器学习
2020-07-03 v1 计算机视觉与模式识别
机器学习
摘要
神经过程（NPs）族在给定上下文数据的情况下，将函数上的分布编码为潜表示，并在未知位置解码后验均值与方差。由于均值与方差源自同一潜空间，它们在域外任务上可能失效，其中函数值的波动会放大模型不确定性。我们提出一个名为仅位置相关方差的神经过程（NP-PROV）的新成员。NP-PROV 假设靠近上下文点的目标点具有较小不确定性，无论该位置的函数值如何。所得方法分别从函数值相关空间和仅位置相关潜空间推导均值与方差。我们在合成与真实世界数据集上的评估表明，NP-PROV 能在函数值存在漂移时实现最先进的似然，同时保持有界方差。
引用
@article{arxiv.2007.00767,
title = {NP-PROV: Neural Processes with Position-Relevant-Only Variances},
author = {Xuesong Wang and Lina Yao and Xianzhi Wang and Feiping Nie},
journal= {arXiv preprint arXiv:2007.00767},
year = {2020}
}
备注
10 pages, 5 figures