摘要: 在当前的深度学习研究领域,主要强调在涉及大型图像和语言数据集的监督任务中实现高预测准确性。 然而,更广泛的视角揭示了许多被忽视的指标、任务和数据类型,如不确定性、主动和持续学习以及需要关注的科学数据。 贝叶斯深度学习(BDL)是一种很有前途的途径,可以在这些不同的环境中提供优势。 本文认为,BDL可以提高深度学习的能力。 它重新审视了BDL的优势,承认了现有的挑战,并强调了一些旨在解决这些障碍的令人兴奋的研究途径。 展望未来,讨论的重点是将大型基础模型与BDL相结合以充分发挥其潜力的可能方法。
|
|
|