일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- AI
- 리눅스
- 크롤링
- 강화학습
- R
- VAE
- 텍스트마이닝
- selenium
- 텍스트분석
- 논문리뷰
- Crawling
- DATA
- bayesian
- pandas
- 파이썬
- PYTHON
- dropout
- pytorch
- uncertainty
- 베이지안
- GNN
- Graph
- 불확실성
- 데이터분석
- 백준
- YarinGal
- 알고리즘
- 코딩테스트
- 우분투
- 빅데이터
- Today
- Total
목록bayesian (18)
끄적거림
[논문 리뷰] Dropout as a Bayesian Approximation 설명 - 1.Prologue [논문 리뷰] Dropout as a Bayesian Approximation 설명 - 2.Abstract [논문 리뷰] Dropout as a Bayesian Approximation 설명 - 3.Introduce [논문 리뷰] Dropout as a Bayesian Approximation 설명 - 4.Related Research (1): Background(MC-Integration, Dropout) [논문 리뷰] Dropout as a Bayesian Approximation 설명 - 4.Related Research (2): Background(Gaussian Process) [논문 리뷰..
[논문 리뷰] Dropout as a Bayesian Approximation - 1.Prologue [논문 리뷰] Dropout as a Bayesian Approximation - 2.Abstract [논문 리뷰] Dropout as a Bayesian Approximation 설명 - 3.Introduce [논문 리뷰] Dropout as a Bayesian Approximation 설명 - 4.Related Research (1): Background(MC-Integration, Dropout) [논문 리뷰] Dropout as a Bayesian Approximation 설명 - 4.Related Research (2): Background(Gaussian Process) [논문 리뷰] Drop..
[논문 리뷰] Dropout as a Bayesian Approximation 설명 - 1.Prologue [논문 리뷰] Dropout as a Bayesian Approximation 설명 - 2.Abstract [논문 리뷰] Dropout as a Bayesian Approximation 설명 - 3.Introduce [논문 리뷰] Dropout as a Bayesian Approximation 설명 - 4.Related Research (1): Background(MC-Integration, Dropout) [논문 리뷰] Dropout as a Bayesian Approximation 설명 - 4.Related Research (2): Background(Gaussian Process) [논문 리뷰..
[논문 리뷰] What uncertainties do we need in Bayesian deep learning for computer vision? - 1.Introduction [논문 리뷰] What uncertainties do we need in Bayesian deep learning for computer vision? - 2.Related Work(1) [논문 리뷰] What uncertainties do we need in Bayesian deep learning for computer vision? - 2.Related Work(2) [논문 리뷰] What uncertainties do we need in Bayesian deep learning for computer vision? -..
이전 글: 2020/11/10 - [논문 리뷰] What uncertainties do we need in Bayesian deep learning for computer vision? - 1.Introduction 2. Related Work 본 논문에서 말하는 불확실성은 결국 분산으로 생각할 수 있다. 우리가 어떤 분포에서 분산을 알 수 있다면, 어느정도의 확률로 예측범위안에 들어올 것이다 를 알 수 있다. 이는 곧 신뢰구간과 비슷한 의미라고 생각하면 되겠다. 논문에서는 uncertainty를 sigma, variance 등과 같은 분산 혹은 어떤 분포로 혼용하여 사용하기도 한다. 기존의 Bayesian Deep Learning(이하 BDL)에서는 epistemic과 aleatoric 둘 중 하나만 ..
베이지안 관련으로 많이 알려진 옥스포드 대학의 yarin Gal 교수가 2017년 Kendall과 함께 발표한 논문이다. 1200회가 넘는 인용이 이루어진 것만 봐도 얼마나 유명한 논문인지를 알 수 있다. 다른 논문들도 읽어보고 포스팅할 계획이다.(시간이 얼마나 걸릴지는 미지수,,) 본 논문을 100% 다 이해하기 위해서는 Random Process, Variational Inference 등과 같은 이론을 알고 있어야하지만, 일단은 공부하는 입장에서 이 논문을 리뷰해보고자 한다. 많이 부족하니 참고용으로 봐주시면 감사하겠습니다. 논문: papers.nips.cc/paper/2017/file/2650d6089a6d640c5e85b2b88265dc2b-Paper.pdf 1. Inroduction 이 단락에..