本文是知乎上浙大Ziyue Wu对A Survey on Bayesian Deep Learning这篇综述论文的解读。从Arxiv提交记录来看，后者最早版本是2016年的，到今年9月正式在ACM Computing Surveys上发表。

一个综合的人工智能系统应该不止能“感知”环境，还要能“推断”关系及其不确定性。深度学习在各类感知的任务中表现很不错，如图像识别，语音识别。然而概率图模型更适用于inference的工作。这篇survey提供了贝叶斯深度学习（Bayesian Deep Learning, BDL）的基本介绍以及其在推荐系统，话题模型，控制等领域的应用。 本文的目录如下:

  • 1 Introduction
  • 2 Deep Learning
  • 3 Probabilistic Graphical Models
  • 4 Bayesian Deep Learning
    • 4.1 A Brief History of Bayesian Neural Networks and Bayesian Deep Learning
    • 4.2 General Framework
    • 4.3 Perception Component
    • 4.4 Task-Specific Component
  • 5 Concrete BDL Models and Applications
    • 5.1 Supervised Bayesian Deep Learning for Recommender Systems
    • 5.2 Unsupervised Bayesian Deep Learning for Topic Models
    • 5.3 Bayesian Deep Representation Learning for Control
    • 5.4 Bayesian Deep Learning for Other Applications
  • 6 Conclusions and Future Research

感兴趣的可以戳链接继续阅读。

内容中包含的图片若涉及版权问题，请及时与我们联系删除