标签
本文提出一种用于贝叶斯神经网络的全协方差平滑技术，通过在非线性激活中传播相关性以实现高效的在线适应，并在分类和控制等任务中得到验证。
本文提出了一种框架，通过聚合规则传播局部后验事件，在一次性联邦贝叶斯模型中部署一致安全证书，特别针对联邦平均算法。
本文研究了使用变分推断训练的贝叶斯神经网络的数据增强方法，推导了精确等变性的条件，并引入了新颖的对称化技术（如轨道扩展）以提升对称性和性能。
提出EVIDENT框架，该框架整合贝叶斯训练与基于证据的排序进行神经架构选择，并在1型糖尿病的个体化血糖预测中演示，系统地选择泛化可靠的轻量模型。