Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Modeling Epistemic and Aleatoric Uncertainty with Bayesian Neural Networks and Latent Variables
Übersetzter Titel:
Modellierung von epistemischer und aleatorischer Unsicherheit mit Bayes'schen neuronalen Netzen und latenten Variablen
Autor:
Depeweg, Stefan
Jahr:
2019
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Informatik
Betreuer:
Runkler, Thomas A. (Prof. Dr.)
Gutachter:
Runkler, Thomas A. (Prof. Dr.); Leal-Taixé, Laura (Prof. Dr.); (Hernández-Lobato, José Miguel (Prof., Ph.D.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
DAT 500d
Kurzfassung:
In this thesis we develop a novel probabilistic model, the Bayesian neural network with latent variables (BNN+LV). This model class can describe complex stochastic patterns in the data via latent input variables, while, at the same time, account for epistemic uncertainty via a distribution over the network parameters. We investigate the applicability of BNN+LV for decision making, including regression, active learning and reinforcement learning.
Übersetzte Kurzfassung:
Diese Arbeit beschreibt ein probabilistisches Modell, das Bayes'sche neuronale Netz mit latenten Variablen (BNN+LV). Mithilfe von latenten Variablen kann dieses Modell stochastische Muster in den Daten beschreiben und gleichzeitig die epistemische Unsicherheit mittels einer Wahrscheinlichkeitsverteilung über die Netzwerkgewichte modellieren. Untersucht werden Anwendungsszenarien in Entscheidungsproblemen, unter anderem für Regression, aktives Lernen und verstärkendes Lernen.
WWW:
https://mediatum.ub.tum.de/?id=1482483
Eingereicht am:
10.04.2019
Mündliche Prüfung:
01.10.2019
Dateigröße:
6362301 bytes
Seiten:
128
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20191001-1482483-1-8
Letzte Änderung:
08.11.2019
 BibTeX