Encoding the latent posterior of Bayesian Neural Networks for uncertainty quantification - Archive ouverte HAL
Communication Dans Un Congrès Année : 2020

Encoding the latent posterior of Bayesian Neural Networks for uncertainty quantification

Domaines

Intelligence artificielle [cs.AI] Vision par ordinateur et reconnaissance de formes [cs.CV] Apprentissage [cs.LG] Statistiques [math.ST]
Fichier principal
Vignette du fichier
LP_BNN_v2.pdf (3.27 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Gianni Franchi  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-03097035

Soumis le : mardi 5 janvier 2021-11:10:34

Dernière modification le : mercredi 23 octobre 2024-10:30:04

Archivage à long terme le : mercredi 7 avril 2021-09:35:25

Télécharger pour visualiser

Dates et versions

hal-03097035 , version 1 (05-01-2021)
hal-03097035 , version 2 (25-03-2021)

Identifiants

  • HAL Id : hal-03097035 , version 1

Citer

Gianni Franchi, Andrei Bursuc, Emanuel Aldea, Séverine Dubuisson, Isabelle Bloch. Encoding the latent posterior of Bayesian Neural Networks for uncertainty quantification. NeurIPS workshop on Bayesian Deep Learning, Dec 2020, Vancouver, Canada. ⟨hal-03097035v1⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite
261 Consultations
256 Téléchargements

Partager

More