{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“讯息”：{“索引”：{“日期-部件”：[[2024,6,17]]，“日期-时间”：“2024-06-17T09:02:27Z”，“时间戳”：1718614947387}，“参考计数”：113，“出版商”：“电气与电子工程师学会（IEEE）”，“问题”：“2”，“许可证”：[{“开始”：{-“日期-零件”：[2022,5,1]]，时间”：“2022-05-01T00:00:00Z”，“timestamp”：1651363200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/ieeexplore.iee.org\/Xplorehelp\/downloads\/license-information\/ieee.html”}，{“start”：{“date-parts”：[[2022,5,1]]，“date-time”：“2022-15-01T00:00:00Z”，”timestamp“：165136300000}、“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-029”}，{“start”：{“date-parts”：[[2022,5,1]]，“date-time”：“2022-05-01T00:00:00Z”，“timestamp”：1651363200000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“http:\/\/doi.org\/10.15223\/policy-037”}]，“出资人”：[{“doi”：“10.13039\/5010000923“，”name“：”澳大利亚研究委员会“，”doi-asserted-by“：”publisher“，“奖项”：[“DP150100294”，“DP150104251”，“DP 210101682”]}，{“DOI”：“10.13039\/100006602”，“名称”：“空军研究实验室”，“DOI-asserted-by”：“publisher”，“奖项“：[”FA8750-19-2-0501“]}]，“内容域”：{“域”：[]，“crossmark-restriction”：false}，“短容器时间”：[”IEEE Compute.Intell.Mag.“]，“published-print”：{“日期部分”：[[2022,5]]}，“DOI”：“10.1109\/mci.2022.3155327”，“type”：“journal-article”，“created”：{“date-parts”：[[2022,4,13]]，“date-time”：“2022-04-13T19:35:20Z”，“timestamp”：1649878520000}，“page”：”29-48“，“source”：：“Crossref”，“is-referenced-by-count”：221，“title”：[“Hand-On Bayesian Neural Networks\u2014A Tutorial for Deep Learning Users”]，“prefix”：“10.1108”，“volume”:“17”，“作者”：[{“given”：“Laurent Valentin”，“family”：“Jospin”，“sequence”：“first”，“affiliation”：[{name”：“University of Western Australia”}]}：“澳大利亚西澳大利亚大学”}]}，{“given”：“Wray”，“family”：“Buntine”，“sequence”：“additional”，“affiliation”：[{“name”：“Murdoch University，Australia”}]neneneep，{”given“：”Mohammed“，”family“：”Bennamoun“，”sequence“：”additional，“doi-asserted-by”：“publisher”，“doi”：“10.1023\/A:1011141724916”}，{“key”：“ref38”，“doo-asserted-by”：”publisher“，”doi“：”10.3847\/1538-3881\/ab2390“}，“key“：”ref33“，”doi-assert-by“：”publister“，”doi“：le-title“：“我们在计算机视觉的贝叶斯深度学习中需要哪些不确定性？”，“author”：“kendall”，“year”：“0”，“journal-title”：“Proc 31 Int Conf Neural Inf Process Syst（NIPS'17）”}，{“key”：“ref31”，“doi-asserted-by”：“publisher”，“doi”：“10.1162\/neco.1996.8.7.1341”}：“贝叶斯深度学习中的不确定性分解，以实现高效和风险敏感的学习”，“卷”：“80”，“作者”：“depeweg”，“年份”：“0”，“日志标题”：“第35届国际会议机器学习”}，{“键”：“ref37”，“doi-asserted-by”：“publisher”，“doi”：“10.1029\/2008WR007030”}：“10.1016\/j.advengsoft.2006.08.004”}，{“key”：“ref35”，“doi-asserted-by”：“publisher”，“doi”：“10.1080\/15732479.2014.951867”}、{“密钥”：“ref34”、“doi-sserted-by“：“publiser”、“doi“：”10.1016\/j.dss.2020.113246？评估数据集移位下的预测不确定性”，“author”：“ovadia”，“year”：“0”，“journal-title”：“Proc-Adv Neural Inf Process Syst”}，{“key”：“ref27”，“article-title“：“Being Bayesian，even just a bit，fixed overconfidence in ReLU networks”，“author”:“kristiadia”，“year”：”2020“}，“key“：”ref29”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/j.strusafe.2008.06.020“}，{“key”：“ref20”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/BF00058655”}，}“keys”：“ref22”，“article-title”：“Bayesian神经网络后验真像什么？”，“author”：“izmailov”，“year”：“2021”}.1992.4.3.448“}，{”key“：”ref24“，”article-title“：”随机梯度VB和变分自动编码器”，“卷”：“19”，“作者”：“kingma”，“年份”：“0”，“日志标题”：“Proc 2nd Int Conf Learn Representations ICLR”}，{“键”：“ref23”，“文章标题”：”贝叶斯卷积神经网络与贝努利近似变分推理“，“作者“：”gal“，”年份“：”0“日志标题“：”Proc 4th Int Conf Learn Representations（ICLR）Workshop Track“｝，｛”key“：”ref101“，”文章title“：”为神经网络实现校准和可扩展的不确定性表示“，”author“：”seedat“，”year“：”2019“｝，｛”key“：”ref26“，”文章title“：”关于贝叶斯神经网络用于不确定性估计的有效性“，”author“：”mitros“，”year“：”0“，”journal-title“：”Proc AICS“}，{“key”：“ref100”，“first-page”：“681”，“article-title”：“通过随机梯度Langevin动力学进行贝叶斯学习”，“author”：“welling”，“year”：“0”，“journal-title”:“Proc 288 Int Conf Mach Learn”}，}“key:”ref25“author:”robert“，”year“：“2007”，“journal-ttitle”：从决策理论基础到计算实现的贝叶斯选择”}，{“key”：“ref50”，“author”：“gelman”，“year”：“2020”，“journal-title”：“Prior Choice recommendations”}、{“密钥”：“ref51”，“article-title“：“优先选择影响贝叶斯神经网络识别未知事物的能力”，“作者”：“silvestro”，“年份”：“2020”}article-title“：”FixMatch：“以一致性和信心简化半监督学习”，“author”：“sohn”，“year”：“2020”}，{“key”：“ref58”，“article-title”：“On information regulation”，“author”:“tommi”，”year“：”0“，”journal-title：“Proc 19th UAI”}、{“key”：”ref57“，”doi-asserted-by“：”publisher“，”doi“：”10.1109\/TNNLS.2013.2292894“}，”{“密钥”：“”参考56“，”首页“：”1196“，”article-title“：”用嘈杂的标签学习“，”author“：”natarajan“，”year“：”0“，”journal-title”：“Proc-Adv Neural Inf Process Syst”}，{“key”：“ref55”，“article-title”“：”大数据时代的小数据挑战：非监督和半监督方法的最新进展调查“，”author“:”qi“，”“year”：“2019”}、{“key”：”ref54“，”article-title“：“层规范化”，“author”：“ba”，“year”：“2016”}，{“key”：“ref53”，“article-title”：“通过Givens表示对Stiefel流形的Bayesian推断”，“作者”：“pourzanjani”，“年”：“2017”}、{“密钥”：“ref52”，“作家”：“murphy”，“年份”：“2012”，“新闻标题”：“机器学习的概率观点”}；{“key”：”ref40“doi-asserted-by“：”publisher“，”doi“：”10.1038 \/s42256-020-0209-y“}，{“key”：“ref4”，“doi-assert-by”：“publisher”，“doi”：“10.1016\/j.eswa.2016.02.006”}，“key“：”ref3“，”doi-asserted-by“:”publishers“，”doi“：，“doi”：“10.3758\/s13423-017-1317-5”}，{“key”：“ref5”，“doi-asserted-by”：“publisher“，”DOI“：”10.1109\/ACCESS.2018.2836917“}，{“key”：“ref8”，“DOI-asserted-by”：“publisher”，“DOI”：“10.1016\/S0893-6080（00）00098-8”}，“key“：”ref49“，”DOI-assert-by“：”publisher“10.1214\/17-BA1082”}，{“key”：“ref9”，“DOI-asserted-by”：“publisher”，“DOI”：“10.1214\/0883423040000099“}，{“key”：“ref46”，“doi-asserted-by”：“publisher”，“doi”：“10.1613\/jair.62”}，}“key:”ref45“，”doi-assert-by“：”publisher“，”doi“：”10.1145\/3234150“}文章标题“：”翻转：迷你背带上的有效伪独立权重扰动”，“author”：“wen”，“year”：“0”，“journal-title”：“Proc-Int-Conf-Learn Representations”}，{“key”：“ref42”，“article-title“：”Bayesian生成性主动深度学习“，”author“：”tran“，”year“：”2019“}，”{“key”：“ref41”，“first page”：”1183“，”article-title“使用图像数据的深度贝叶斯主动学习”，“卷”：“70”，“作者”：“gal”，“年”：“0”，“期刊标题”：“Proc 34th Int Conf Mach Learn”}，｛“key”：“ref44”，“首页”：“3742”，“文章标题”：“克服灾难性遗忘的在线结构化拉普拉斯近似”，“作者”：“ritter”，“年”：“0”，“期刊标题”：“Proc 32nd Int Conf Neural Inf Process Syst（NIPS'18）“}，{”key“：”ref43“，”first page“：“363”，”article-title“：”Bayesian approach to online learning“，”author“：”opper“，”year“：”1998“，”journal-title”：“on-line learning on Neural Networks”}，“key”：“ref73”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/TPAMI.2020.3032602”}72英寸doi-asserted-by“：”publisher“，”doi“：”10.1109\/TPAMI.2019.2954885“}，{“key”：“ref71”，“doi-assert-by”：“publisher”，“doi”：“10.1109\/TPAMI.2020.2992393”}，“key“：”ref70“，”doi-assered-by“：”publisher“，”doi“：doi“：”10.1093\/biomet\/57.1.97“}，{“key”：“ref77”，“doi-asserted-by”：“publisher“，”DOI“：”10.1080\/01621459.2017.1285773“}，{”key“：”ref74“，”article-title“：”将基于梯度的元学习重铸为层次Bayes“，”author“：”grant“，”year“：”0“，”journal-title”：“Proc 6th Int Conf Learn Representations”}，“key”：“ref75”，“first-pages”：“1476”，“article-title”“：”S4L:Self-servisted learning“，”author“”：“beyer”，“年份：“0”，“日志标题”：“Proc 2019 IEEE\/CVF Int Conf Compute Vis（ICCV）”}，{“key”：“ref78”，“首页”：“1515”，“article-title”：“On Markov Chain Monte Carlo methods for tal data”，“volume”:“18”，“author”：“bardenet”，“year”：“2017”，“journal-title“：”J Mach Learn Res“}”，{”key“ref79”，“article-titel”：“Explaining the Gibbs sampler”，“author”“：”乔治“，”年份：“1992”，“journal-title”：“Amer Statist”}，{“key”：“ref60”，“first page”：：“2399”，“article-title“：“流形正则化：从标记和未标记示例学习的几何框架”，“volume”：”7“，”author“：”belkin“，”year“：”2006“，”journal-title“:”J Mach Learn Res“}，”{“密钥”：“ref62”，“doi-asserted-by”：“publisher”，“doi”：“”10.1109\/ICPR.2014.535“}，{”key“：”ref61“，”first page“：“2649”，”article-title“：”Bayesian co-training“，”volume“：12”，”author“：”yu“，”year“：”2011“，”journal-title”：“J Mach Learn Res”}，“key”：“ref63”，”article-title“：“伪拉贝尔：用于深度神经网络的简单有效的半监督学习方法”，“volume”：”3“，“author”：“lee”，“year”：“0”，“”journal-title“：”Proc Workshop Challenges Representation Learn ICML“}，{“key”：“ref64”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/s12083-018-0702-9”}，}，“key“：”ref65“，“article-title”：“MultiMix:一种跨语言NLP的稳健数据增强策略”，“author”：“bari”，“year”：“0”，“journal-title”:“Proc ICML”}.“key：”ref66“，”first page“416”，“”article-title“：“间接风险最小化”，“author”：“chapelle”，“year”：“2001”，“journal-title”：“Proc-Adv Neural Inf Process Syst”}，{“key”：“ref67”，“article-title”:“Unsupervised data enhancement”，“author”:“xie”，“年份”：“2019”}：“ref2“，”doi-asserted-by“：”publisher“，”doi“：”10.1145\/3194085.3194087“}，{”key“：”ref69“，”doi-asserted-by“:”publishers“，”TOI“：“10.1109\/TKDE.2009.191”}，}“key”：“ref1”，“article-title”：“神经网络的有趣特性”，“author”：“szegedy”，“year”：“2013”}、{”key“：“ref109”，“article-title”：“提取知识神经网络”，“作者”：“hinton”，“年份”：“2015”}，{“key”：“ref95”，“首页”：“1050”，“article-title”：“辍学作为贝叶斯近似：表示深度学习中的模型不确定性”，“volume”：”48“，”author“：”gal“，”year“：”0“，”journal-title“：”Proc 33rd Int Conf Mach Learn“}，”{“key”：“ref108”，“first-page”：“3438”，“article-title”：“贝叶斯黑暗知识”，“volume”:“2”，“author“：”koratikara“，”year“：”0“，”journal-title“：”Proc 28th Int Conf Neural Inf Process Syst“}，{”key“：”ref94“，”first page“：“1929”，”article-title”：“辍学：防止神经网络过拟合的简单方法”，“volume”：“15”，“author”：“srivastava”，“year”：“2014”，“journal-title”“：”J Mach Learn Res“}”，{“key”：”ref107“，”doi-asserted-by“：”“出版商”，“DOI“：”10.1145\/1102351.1102457“}，{“key”：“ref93”，“article-title”：“Adam:随机优化方法”，“author”：“kingma”，“year”：“0”，“journal-title“：”Proc-In-Conf-Learn Representations“}year”：“2020”}，{“key”：“ref92”，“doi asserted by”：“publisher”，“doi”：“10.1561\/22000056”}，{“key”：“ref105”，“文章标题”：“贝叶斯层定位与深度贝叶斯主动学习中模型不确定性的相关性”，“author”：“zeng”，“year”：“2018”}，{“key”：“ref91”，“首页”：“1613”，“文章标题”：“神经网络中的权重不确定性”volume“：”37“，”author“：”blundell“，”year“：”0“，”journal-title“：”Proc 32nd Int Conf Mach Learn“}，{“key”：“ref104”，“article-title”：“神经网络中的不确定性：近似贝叶斯集合”，“author”：“pearce”，“year”：“0”，“journal-title”:“Proc AISTATS”}，“key“：贝叶斯神经网络可扩展学习的概率反向传播”，“卷”：“37”，“作者”：“hern\u00e1ndez-lobato”，“年份”：“0”，“日志标题”：“Proc 32nd Int Conf Mach Learn”}，{“关键”：“ref103”，“首页”：“2611”，“文章标题”：”通过Adam中的重量扰动快速可扩展贝叶斯深度学习“，“卷“：”：“80”，“作家”：“khan”，“年份“：”0“，”journal-title“：”Proc 35th Int Conf Mach Learn“}，{“key”：”ref102“，”first page“：”6402“，”article-title”：“使用深度集合进行简单且可扩展的预测不确定性估计”，“author”：”lakshminarayanan“，”year“：”0“，”journal-ttitle“：“Proc Adv Neural Inf Process Syst”}，}“key”：”ref111“，”首页“：”5190“，”article-title“：贝叶斯神经网络后验的对抗蒸馏”，“卷”：“80”，“作者”：“王”，“年”：“0”，“新闻标题”：“第35届国际会议机器学习”}，{“键”：“ref112”，“doi-asserted-by”：“publisher”，“doi”：“10.4467\/20838476SI.16.046185”}2020年“}，{”key“：”ref98“，”first page“：“1392”，”article-title“：”Unlabelled data improved Bayesian uncertainty calibration under covariate shift“，”volume“：‘119’，”author“：”chan“，”year“：”0“，”journal-title”：“Proc 37th Int Conf Mach Learn”}，”{“key”：“ref99”，”first-page:“4873”，”article-title“：”随机梯度下降近似Bayesia推断“，”volume“：”18“，”author“：”mandt“，”year“：”2017“，”journal-title“：”J Mach Learn Res“}，{“key”：”ref96“，”first page“：“2052”，“article-title”：“Bayesian neural networks with alpha divergences中的辍学推理”，“volume”：“70”，“author”：“li”，“year”：“0”，“journal-title”“：”Proc 34th Int Conf Mach Learning“}”，{”key“：‘ref97”，“first pages”：“2019”，“文章标题”：“变异贝叶斯辍学：陷阱与修复“，”卷“：”80“，”作者“：”hron“，”year“：”0“，”journal-title“：”Proc 35th Int Conf Mach Learn“}，{”key“：”ref10“，”first page“：“45”，“author”：“goan”，“year”：“2020”，“journal-title”：“Bayesian Neural Networks An Introduction and Survey”}，}“key”：“ref11”，“doi-asserted-by”：“publisher”，“doi”：“10.1145\/340 9383“}，{”key“：”ref12“，”article-title“：”Bayesian deep learning and a probabilistic perspective of generalization“，”author“：”wilson“，”year“：”2020“}，{“key”：“ref13”，“author”：“goodfellow”，“year”：“2016”，“journal-title”：“deep learning”}，”{“密钥”：“ref14”，“doi-asserted-by”：“publisher”，“doi”：“10.1038\/s41598-021-89267-4”}1321英寸article-title“：“关于现代神经网络的校准”，“volume”：“70”，“author”：“guo”，“year”：“0”，“journal-title”：“Proc 34th Int Conf Mach Learn（ICML'17）”}，{“key”：”ref16“，”article-title“:”deep learning中的测量校准“，”author“：”nixon“，“year:”0“，”journal-titleref82“，“first page”：“1593”，“article-title”：“The No-U-Turn sampler:adaptively setting path lengths in Hamiltonian Monte Carlo”，“volume”：”15“，“author”：“hoffman”，“year”：“2014”，“journal-title“：”J Mach Learn Res“}，{”key“：”ref17hendrycks“，”year“：”0“，”journal-title“：”Proc 5th Int Conf Learn Representations（ICLR）Conf Track Proc“}，{”key“：”ref81“，”doi-asserted-by“：”publisher“，”doi“：”10.1201\/b10905-6“}”，{“key”：“ref18”，“doi-assert-by”：“publisher”，“doi I“：”10.1002\/j.1538-7305.1948.tb01338.x“}，{“键”：“ref19“，”doi-asserted-by“：”publisher“，”doi“：”10.1038\/075450a0“}，”{“key”：“ref83”，“doi-assert-by”：“publisher”，“doi”：“10.1214\/aoms\/1177729694”}，“key“：”ref113“，“首页”：“2796”，“article-title”：“使用校准回归进行深度学习的准确不确定性”，“volume”：”80“，“author”：“kuleshov”，“year”：“0”，“”日志标题“：”Proc 35th Int Conf Mach Learn“}，{“key”：“ref80”，“doi-asserted-by”：“publisher”，“doi”：“10.1080\/00031305.1995.10476177”}，}“key:”ref89“，”first page“：”13153“，”article-title“：”深度学习中贝叶斯不确定性的简单基线“，”author“：”maddox“，”year“：”0“，”journal-title”：“Proc Adv Neural Inf Process Syst”}“，{”key“：“ref85”，“首页”：“1303”，“article-title“：”随机变分推理“，”volume“：”14“，”author“：”hoffman“，”year“：”2013“，”journal-title”：“J Mach Learn Res”}，{“key”：“ref86”，“first-page”：“2348”，“article-title”:“神经网络实用变分推理”，“author”：“graves”，“year”：“0”，“journal-title“”：“Proc Adv neural Inf Process Syst”}“，{”key“：“ref87”，“首页”：“”507”，“文章标题”：“变分贝叶斯学习的传播算法”，“作者”：“ghahramani”，“年份”：“2001”，“期刊标题”：“Proc Adv Neural Inf Process Syst”}，{“key”：“ref88”，“文章标题”：“神经网络的可扩展拉普拉斯近似”，“作者”：“ritter”，“年份”：“0”，“期刊标题”：“Proc Int Conf Learn Representations”}]container-title“：[”IEEE Computational Intelligence Magazine“]，“original-title”：[]，“link”：[{“URL”：“http://\/xplorestaging.IEEE.org\/ielx7\/10207\/975588\/09756599.pdf？arnumber=9756596”，“content-type”：“unspecified”，“内容-版本”：“vor”，“intended-application”：“相似性检查”}]，“存放”：{“日期-部件”：[2023,4,21]]，“date-time”：“2023-04-21T18:11:46Z“，”timestamp“：1682100706000}，”score“：1，”resource“：{”primary”：{“URL”：“https:\/\/ieeexplore.iee.org\/document\/9756596\/”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：}“date-parts”：[2022,5]]}，《references-count》：113，“journal-sissue”：“{”issue“：”2“}”，“URL”：“http://”\/dx.doi.org\/10.109\/mci.2022.3155327“，”关系“：{}，”ISSN“：[”1556-603X“，”1556-6048“]，”issn-type“：[{“value”：“1556-603+”，“type”：”print“}，{“value”：“1156-6048”，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[2022,5]}}}}