贝叶斯神经网络 - 捕捉现实世界的不确定性

向右看齐 2024-03-26 22:52 60阅读 0赞

贝叶斯神经网络 - 捕捉现实世界的不确定性 Bayesian Neural Networks 生活本质上是不确定性和概率性的，贝叶斯神经网络 (BNN) 旨在捕获和量化这种不确定性

在许多现实世界的应用中，仅仅做出预测是不够的；您还想知道您对该预测的信心有多大。例如，在医疗保健领域，如果模型表示患者有 70% 的机会患上某种特定疾病，那么其信息量就低于表示患者有 70% 的机会但误差范围为 ±10% 的模型。

![alt][]

BNN 不太容易过度拟合，可以提高数据效率，因为它们可以合并先验，并且可以输出每个预测的概率分布。了解特定预测准确的不确定性或概率可以建立业务用户的信任和信心。

那么贝叶斯网络是如何工作的呢？ 核心思想是用概率分布 P (w) 代替标准神经网络中的固定权重 w

贝叶斯著名的方程是：

P (A| B)= P (B|A) P (A) / P(B)

在 BNN 的背景下：

A 是模型参数（权重和偏差）。 B 是观测数据。 P (A ∣B)是给定数据的参数的后验分布。 P (B ∣ A) 是给定参数的数据的可能性。 P (A) 是参数的先验分布。 P (B)是证据，通常被认为是归一化常数。

先验分布 - 您从权重的先验分布 P (w) 开始。这代表您在看到任何数据之前对模型参数的最初信念。

后验分布 - 目标是计算后验分布 P (w ∣D) ，它表示观察数据 D 后关于权重的更新信念。贝叶斯定理以及一些近似方法用于计算该分布。

预测 - 最后，为了对新输入 x 进行预测，您可以对所有可能的权重进行平均，并按后验概率进行加权：

P (y ∣ x, D)=∫ P (y ∣ x,w)×P (w ∣D) dw

这不仅为您提供了点估计，还为您提供了可能输出 y 的分布，从而捕获了模型的不确定性。

例如：BNN 可以应用于 MRI 扫描数据集，其中每次扫描都标记为“癌症”或“无癌症”。目标是建立一个模型，可以预测新的、未标记的 MRI 扫描的这些标签。 BNN 可以说，“我 80% 确定这是癌症，但有 20% 的可能性不是”，这对临床医生来说是很有价值的信息。

当不确定性量化很重要时，BNN 非常有用，包括疾病诊断、风险评估、能源预测和实时决策

本文由[ mdnice ][mdnice]多平台发布

[alt]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/11/bd94fbd42d604fc8928ae285f57def95.png
[mdnice]: https://mdnice.com/?platform=4

发表评论取消回复

表情：

评论列表（有 0 条评论，60人围观）

还没有评论，来说两句吧...

相关阅读

相关贝叶斯神经网络 - 捕捉现实世界的不确定性

贝叶斯神经网络 - 捕捉现实世界的不确定性 Bayesian Neural Networks 生活本质上是不确定性和概率性的，贝叶斯神经网络 (BNN) 旨在捕获和量化这种不确

向右看齐/ 2024年03月26日 22:52/ 0 赞/ 61 阅读

相关机器学习：贝叶斯网络

一、什么是贝叶斯网络？贝叶斯网络是一种用于进行概率推理的模型。（比如说下面这个图，箭头表示因果关系，也就是强盗抢劫和地震都会引起房子铃响，如果房子铃响，那么这个人的两个

旧城等待，/ 2023年09月28日 18:43/ 0 赞/ 37 阅读

相关机器学习：贝叶斯网络

一、什么是贝叶斯网络贝叶斯网络是一种用于进行概率推理的模型。（比如说下面这个图，箭头表示因果关系，也就是强盗抢劫和地震都会引起房子铃响，如果房子铃响，那么这个人的两个邻

今天药忘吃喽~/ 2023年09月28日 16:34/ 0 赞/ 166 阅读

相关贝叶斯网络

[https://blog.csdn.net/v\_july\_v/article/details/40984699\t6][https_blog.csdn.net_v_jul

女爷i/ 2023年07月07日 05:54/ 0 赞/ 23 阅读

相关朴素贝叶斯算法及贝叶斯网络详述

1、贝叶斯定理先验概率P(A)：在不考虑其他的情况下，A事件发生的概率。条件概率P(B|A)：A事件发生的情况下，B事件发生的概率。后验概率P(A

迈不过友情╰/ 2023年05月28日 05:11/ 0 赞/ 38 阅读

相关贝叶斯网络

[概率图模型(01): 概述 & 三种分布（边缘 & 联合 & 条件）][01_ _ _ _ _ _ _ _] [贝叶斯分类器

心已赠人/ 2022年09月26日 02:28/ 0 赞/ 191 阅读

相关贝叶斯网络

贝叶斯网络、马尔科夫随机场(MRF, Markov RandomField)和因子图都属于概念图，因此它们都归属于机器学习中的概念图模型(PGM,Probability Gra

谁借莪１个温暖的怀抱￠/ 2022年08月08日 11:55/ 0 赞/ 381 阅读

相关贝叶斯神经网络(系列)：第二篇

![TB1SX2uLOrpK1RjSZFhXXXSdXXa.jpg][] 本文为 AI 研习社编译的技术博客，原标题： Bayesian Neural Network S

素颜马尾好姑娘i/ 2022年02月13日 01:43/ 0 赞/ 213 阅读

相关以贝叶斯思维看待世界

不确定性是常态我们的世界是一个充满不确定性的环境，整个世界并非按照某个制定好的路线运行的。大多数事情都不是有因就有果的，充满了不可控的随机事件。我们不会因为今天努力了明

矫情吗；*/ 2022年01月19日 00:19/ 0 赞/ 239 阅读

相关贝叶斯、朴素贝叶斯的一些思考

动机概述最近在学习贝叶斯和朴素贝叶斯，两者是有一定区别的，网上有很多介绍的文章可以自行搜索。可是我不认为自己已经完全理解，因此暂时还不敢进行相关的总结。本文的动机是

た入场券/ 2021年12月12日 13:43/ 0 赞/ 427 阅读