用于低维神经系统识别的变分元学习推理

Matteo Rufolo, Dario Piga, Marco Forgione

摘要

本文提出了一种基于摊销变分推理的完全概率化流形元学习框架，在低数据场景下实现了校准的不确定性边界。在静态回归和Bouc-Wen动力系统基准测试中，该方法在保持预测精度的同时提供了可靠的置信区间。

meta-learningvariational inferencesystem identificationuncertainty quantificationlow-data regime

LEARNING

📊 8,465 引用

D. O. Hebb

2005

LEARNING

📊 7,678 引用

Benoît B. Mandelbrot, John W. Van Ness

1968

LEARNING

开放获取📊 7,484 引用

Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者

2021

LEARNING

📊 4,608 引用

Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者

2018