বায়সিয়ান নিউরাল নেটওয়ার্ক ব্যবহারের সুবিধা কী কী

12

সম্প্রতি আমি বায়সিয়ান নিউরাল নেটওয়ার্ক (বিএনএন) [নিল, 1992] , [নিল, 2012] সম্পর্কে কিছু কাগজপত্র পড়েছি , যা নিউরাল নেটওয়ার্কের ইনপুট এবং আউটপুটটির মধ্যে সম্ভাবনার সম্পর্ক দেয়। এ জাতীয় নিউরাল নেটওয়ার্ক প্রশিক্ষণ এমসিএমসির মাধ্যমে যা প্রচলিত ব্যাক-প্রসারণ অ্যালগরিদম থেকে আলাদা।

আমার প্রশ্ন হ'ল: এই জাতীয় নিউরাল নেটওয়ার্ক ব্যবহারের সুবিধা কী? আরও সুনির্দিষ্টভাবে, আপনি এমন কিছু উদাহরণ সরবরাহ করতে পারেন যা এনএন এর চেয়ে বিএনএন এর চেয়ে বেশি উপযুক্ত?

bayesian neural-networks bayesian-network

— fishiwhj
সূত্র

9

বায়েশিয়ান স্নায়বিক জালগুলি এমন ডোমেনগুলিতে সমস্যা সমাধানের জন্য দরকারী যেখানে অতিরিক্ত সংকোচ প্রতিরোধের উপায় হিসাবে ডেটা দুষ্প্রাপ্য। তারা প্রায়শই এ জাতীয় পরিস্থিতিতে অন্যান্য সমস্ত পদ্ধতিকে মারধর করে। উদাহরণস্বরূপ অ্যাপ্লিকেশনগুলি হ'ল আণবিক জীববিজ্ঞান ( উদাহরণস্বরূপ এই কাগজটি ) এবং চিকিত্সা নির্ণয় (এমন অঞ্চল যেখানে ডেটা প্রায়শই ব্যয়বহুল এবং কঠিন মেয়াদোত্তীর্ণ কাজ থেকে আসে)। প্রকৃতপক্ষে, বায়েশিয়ান জালগুলি একযোগে কার্যকর এবং বিপুল সংখ্যক কাজের জন্য ভাল ফলাফল অর্জন করতে পারে তবে বড় সমস্যার দিকে স্কেল করা তাদের পক্ষে অত্যন্ত কঠিন।

— ডেনিস তারাসভ
সূত্র

2

বায়েশিয়ান জাল কেন স্কেল করা শক্ত তা আপনি কী প্রসারিত করতে পারেন?

— এলিস ভ্যালেন্টাইনার

6

এনএন এর উপরে বিএনএন এর একটি সুবিধা হ'ল অজানা টার্গেটগুলির ডেটা নিয়ে কাজ করার সময় আপনি স্বয়ংক্রিয়ভাবে আপনার পূর্বাভাসগুলির সাথে যুক্ত একটি ত্রুটি গণনা করতে পারেন। একটি বিএনএন দিয়ে, আমরা এখন বায়েশিয়ান অনুমান করছি। আসুন আমাদের বিএনএন পূর্বাভাসটিকে , যেখানে এনএন ফাংশন, আপনার ইনপুট , এনএন প্যারামিটার এবং এক্স, টি হ'ল প্রশিক্ষণ ইনপুট এবং লক্ষ্যগুলি। এটি @ ফোরকাস্টার সরবরাহকারী লিঙ্কগুলিতে নীল দ্বারা ব্যবহৃত সিনট্যাক্সের সাথে সামঞ্জস্যপূর্ণ হওয়া উচিত। তারপরে আমরা পরবর্তী ভবিষ্যদ্বাণীমূলক বিতরণের একটি স্ট্যান্ডার্ড বিচ্যুতি গণনা করতে পারি, যা আমি নির্লিপ্তভাবে পূর্বাভাসের নির্ভুলতা হিসাবে ব্যবহার করব: $\bar{f}(x′|x,t)=∫f(x′,ω)p(ω|x,t)dω$ $f$ $x'$ $ω$ $\sigma(x′)=\sqrt{∫[f(x′,ω)−\bar{f}(x′|x,t)]^2p(ω|x,t)dω}$

— মিশেল কে
সূত্র

1

এটি কথোপকথনের একটি আকর্ষণীয় সংযোজন, তবে এটি আমাদের স্ট্যান্ডার্ডগুলির দ্বারা কিছুটা ছোট। আপনি কি কিছুটা বিশদভাবে বর্ণনা করতে পারেন এবং সম্ভবত কোনও উল্লেখটি অন্তর্ভুক্ত করতে পারেন?

— সাইকোরাক্স বলছে মনিকা পুনরায়

অবশ্যই। একটি বিএনএন দিয়ে, আমরা এখন বায়েশিয়ান অনুমান করছি। আসুন আমাদের বিএনএন পূর্বাভাসটিকে as হিসাবে সংজ্ঞায়িত করা যাক যেখানে এনএন ফাংশন, এক্স 'আপনার ইনপুট, হ'ল এনএন প্যারামিটার এবং হ'ল প্রশিক্ষণ ইনপুট এবং লক্ষ্যগুলি। এটি @ ফোরকাস্টার সরবরাহকারী লিঙ্কগুলিতে নীল দ্বারা ব্যবহৃত সিনট্যাক্সের সাথে সামঞ্জস্যপূর্ণ হওয়া উচিত। তারপরে আমরা পরবর্তী ভবিষ্যদ্বাণীমূলক বিতরণের একটি স্ট্যান্ডার্ড বিচ্যুতি গণনা করতে পারি, যা আমি নির্লিপ্তভাবে পূর্বাভাসের যথাযথতা হিসাবে ব্যবহার করব:

\bar{f} (x^{'} | x, t) = \int f (x^{'}, ω) p (ω | x, t) d ω

$\bar{f}(x'|x,t) = \int{f(x',\omega)p(\omega|x,t) d\omega}$

ω

$\omega$

x, t

$x,t$

σ (x^{'}) = \sqrt{(} \int [f (x^{'}, ω) - \bar{f} (x^{'} | x, t)]^{2} p (ω | x, t) d ω)

$\sigma(x') = \sqrt(\int{[f(x',\omega)-\bar{f}(x'|x,t)]^2p(\omega|x,t) d\omega})$

— মিশেল কে

আপনার উত্তরে এটি সম্পাদনা করুন।

— সাইকোরাক্স বলেছেন মনিকা পুনরায়