Uncertainty Estimation and Generalization Bounds for Modern Deep Learning

En 3 lignesThèse sur les principes bayésiens appliqués aux réseaux de neurones profonds. Introduit DVIP (Deep Variational Implicit Process) pour l'inférence bayésienne scalable, et deux méthodes post-hoc (VaLLA, FMGP) pour calibrer l'incertitude sur réseaux pré-entraînés. Développe un cadre théorique unifié reliant diversité, régularité et stochasticité via la théorie PAC-Bayésienne.

Résumé généré par Claude — vérifié par l'humain