Аннотация:
В докладе будет рассмотрены основные достоинства байесовского подхода к машинному обучению, перспективы его сращивания с методами глубинного обучения и постановки оптимизационных задач, возникающих в масштабируемых байесовских методах. Среди прочего мы обсудим алгоритмы нейросетевого моделирования с латентными переменными (вариационный авто-кодировщик) и регуляризации нейронных сетей (вариационный дропаут) с помощью байесовского подхода и преимущества, который он дает в этих задачах.
