没有合适的资源?快使用搜索试试~ 我知道了~
matlab分时代码-HeteroscedasticDropoutUncertainty:演示了均等回归与异方差回归与遗漏不确定...
共28个文件
js:10个
png:9个
html:6个
需积分: 9 0 下载量 105 浏览量
2021-05-21
18:34:30
上传
评论
收藏 569KB ZIP 举报
温馨提示
matlab分时代码在最近我在Google上的一次演讲中,有人问我有关从辍学网络(研究)获得的不确定性估计值的特殊行为。 在以下数据集上拟合模型时: 我们观察到以下奇怪的行为: ...该模型无法增加其不确定性以覆盖平面最右侧的点。 对这种行为的解释实际上很简单。 要了解发生了什么,我们需要讨论vs。 同方和异方模型 均方回归假设每个输入点x的观察噪声相同。 另一方面,异方差回归假设观察噪声会随输入x的变化而变化。 异方差模型在观察空间的某些部分可能具有比其他部分更高的噪声水平的情况下很有用。 异方差模型的示例 使用辍学,我们得到了同调模型不确定性。 这可以从模型定义中看出。 在我们的推导中,似然性定义为$ y_i \ sim N(\ mu W (x_i),\ tau -1 I)$,其中$ \ mu W $为网络输出,取决于随机丢弃的权重$ W $。 在这里,我们的模型精度$ \ tau $(与反向观测噪声相同)是一个常数,必须针对数据进行调整。 我们可以轻松地调整模型以获得与数据相关的噪声。 这仅涉及使$ \ tau $成为数据的函数,非常类似于$ \ mu W $是数据的函数。 我们
资源推荐
资源详情
资源评论
收起资源包目录
HeteroscedasticDropoutUncertainty-master.zip (28个子文件)
HeteroscedasticDropoutUncertainty-master
images
heteroscedastic_dropout_reg.png 69KB
homoscedastic_GP_reg_small_observation_noise.png 31KB
heteroscedastic_dropout_reg_DM.png 62KB
homoscedastic_dropout_reg_small_observation_noise.png 64KB
homoscedastic_GP_reg_large_observation_noise.png 35KB
homoscedastic_dropout_reg_DM_tanh.png 59KB
homoscedastic_dropout_reg_large_observation_noise.png 75KB
data.png 17KB
homoscedastic_dropout_reg_DM_relu.png 75KB
convnetjs
convnet.js 71KB
regression_uncertainty_DM.js 5KB
regression_uncertainty_heteroscedastic.js 7KB
util.js 2KB
npgmain.js 3KB
convnet_heteroscedastic.js 76KB
regression_uncertainty.js 6KB
regression_uncertainty_heteroscedastic_DM.js 7KB
vis.js 6KB
demos
homoscedastic_dropout_reg_large_observation_noise.html 2KB
homoscedastic_dropout_reg_DM_tanh.html 3KB
homoscedastic_dropout_reg_small_observation_noise.html 2KB
heteroscedastic_dropout_reg_DM.html 2KB
heteroscedastic_dropout_reg.html 2KB
homoscedastic_GP_reg.m 686B
homoscedastic_dropout_reg_DM_relu.html 3KB
readme.md 7KB
js
jquery.min.js 94KB
LICENSE 1KB
共 28 条
- 1
资源评论
weixin_38660802
- 粉丝: 2
- 资源: 958
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功