Analytically tractable heteroscedastic uncertainty quantification in Bayesian neural networks for regression tasks

Bhargob Deka, Luong Ha Nguyen, James Alexandre Goulet

Article de revue (2023)

Accéder à ce document
Lien externe
Ce document n'est pas archivé dans PolyPublie, mais peut être consulté chez l'éditeur officiel
Voir chez l'éditeur officiel
Département:
Département des génies civil, géologique et des mines
Adresse URL de PolyPublie:
https://publications.polymtl.ca/57161/
Titre de la revue :
Neurocomputing
Maison d'édition:
Elsevier
DOI:
10.1016/j.neucom.2023.127183
URL officielle:
https://doi.org/10.1016/j.neucom.2023.127183
OAI:
oai:publications.polymtl.ca:57161
ORCID
Date du dépôt:
29 janv. 2024 14:38
Dernière modification:
14 oct. 2026 14:17
Citer en APA 7:
Deka, B., Nguyen, L. H., & Goulet, J. A. (2023). Analytically tractable heteroscedastic uncertainty quantification in Bayesian neural networks for regression tasks. Neurocomputing, 127183 (20 pages). https://doi.org/10.1016/j.neucom.2023.127183

Statistiques

Dimensions

Actions réservées au personnel

Afficher document
Afficher document