使用经验贝叶斯神经网络进行非参数回归的不确定性量化
统计理论
2022-04-29 v2 统计理论
摘要
我们为神经网络提出了一种新的两步经验贝叶斯类型方法。我们在非参数回归模型的背景下证明，该过程（最多相差一个对数因子）能够最优地恢复感兴趣的底层函数参数，并提供具有频率学派覆盖保证的贝叶斯可信集。该方法只需拟合神经网络一次，因此比自助法类型的方法快得多。我们在合成数据上展示了我们方法的适用性，观察到了良好的估计特性和可靠的不确定性量化。
引用
@article{arxiv.2204.12735,
title = {Uncertainty Quantification for nonparametric regression using Empirical Bayesian neural networks},
author = {Stefan Franssen and Botond Szabó},
journal= {arXiv preprint arXiv:2204.12735},
year = {2022}
}
备注
38 pages; 4 pages; removed a leftover comment from editing