好消息:充100元自动升级代理商即可购买且享受全网低价。
空包网站制作

4y4空包网:不确定性估计问题描述

2019/10/8      来源: 空包网
  4y4空包网:确定值预测被称为深度学习的点估计问题,而置信度区间是深度学习中的 不确定性估计问题。不确定性在医学、控制等领域有着重要应用。在医学上,不 确定性可以帮助进行医疗诊断;在控制领域,不确定性可以帮助自动驾驶进行 异常预警。神经网络的模型认知不确定性来源于网络参数,随着数据集的增大, 模型的认知能力会逐渐提升,该项会逐渐减小;异方差不确定性是不同输入数 据噪声波动情况不同所引起,因此随着输入数据的改变而改变;同方差不确定 性是在不同输入数据上程度不发生改变的不确定性,因此也称为固有不确定性。 贝叶斯神经网络是不确定性估计的理论框架,可以结合不同结构的网络模型使 用。贝叶斯网络假设网络参数服从高斯分布,以贝叶斯公式为基础,将不确定性 估计引入神经网络。
  
  4y4空包网:不确定性区间计算方法 
    贝叶斯神经网路
  
  4y4空包网:Gal和Ghahramani等人在2015年文章中表明Dropout可以解释为贝叶斯神 经网络(BNN)后验的变分近似。它们的变分近似分布是两个具有小方差的高 斯分布的混合,其中一个高斯的平均值固定为零,文章还指出将Dropout应用 于RNN前馈步的方法未能完全解决过拟合现象并进一步提出了变分Dropout[9]。 不同于Zaremba等人对每层的单元采用不同掩膜(不包含循环层,循环层会导致 性能下降与时间记忆能力丧失)的方法,变分Dropout在包括循环步在内的每个 时间步使用相同的Dropout掩膜[11],Gal和Ghahramani等人在2015年将该研究 应用于深度学习的不确定性研究中,建立了变分LSTM和变分GRU网络,展现 出在控制任务中的重要应用潜力,如建模语言歧义和建模动态[10]。
  
  Zhu等人[37]利用蒙特卡洛Dropout和自动编码机对三种不确定性进行估 计,但在数据集有限情况下,同质不确定性存在严重的过度估计问题。Kendall 等人[18]通过损失函数预测异方差不确定性,并进一步给出了异方差不确定性 和同方差不确定性的结合方法,但未给出同方差不确定性的估计方法。针对以上 不足,本文提出的在线流量预测与不确定性估计模型框架,考虑了实际大规模分 布式电商集群的流量特点与弹性资源调度、动态容量规划的需求。
  
  巨邦空包网 www.szjub.net
上一篇:53空包网:实验环境    下一篇:小强空包网:大数据背景下服饰类电商企业全面预算管理研宄