uGMM-NN：单变量高斯混合模型神经网络
机器学习
2026-01-05 v2 机器学习
摘要
本文介绍了单变量高斯混合模型神经网络（uGMM-NN），这是一种将概率推理直接嵌入深度网络计算单元的新型神经架构。与传统的神经元（先计算加权和，再应用固定的非线性函数）不同，每个uGMM-NN节点将其激活参数化为一个单变量高斯混合模型，具有可学习的均值、方差和混合系数。这种设计通过在单个神经元层面捕捉多模态性和不确定性，实现了更丰富的表示，同时保留了标准前馈网络的可扩展性。我们证明，与传统的多层感知器相比，uGMM-NN可以实现具有竞争力的判别性能，同时还能提供激活的概率解释。所提出的框架为将不确定性感知组件集成到现代神经架构中奠定了基础，为判别式和生成式建模开辟了新方向。
引用
@article{arxiv.2509.07569,
title = {uGMM-NN: Univariate Gaussian Mixture Model Neural Network},
author = {Zakeria Sharif Ali},
journal= {arXiv preprint arXiv:2509.07569},
year = {2026}
}
备注
12 pages, 3 figures