محققان در یک پژوهش جدید، رویکرد رایج استفاده از توزیع «گوسی» در شبکههای عصبی بیزی (BNN) را به چالش کشیدهاند. آنها کشف کردند که جایگزینی توزیع گوسی با توزیع «Student’s t» (که سنگیندُم است) باعث بهبود چشمگیر عملکرد مدل در وظایف رگرسیون میشود.
این یافته ثابت میکند که فارغ از ساختار شبکه، انتخاب توزیع احتمال مناسب برای لایه Likelihood میتواند دقت پیشبینی را بدون پیچیدگی اضافی بالا ببرد. گامی مهم برای افزایش اطمینان و دقت در مدلهای یادگیری عمیق! 🚀
منبع: arXiv AI