Weight space view 위는 bayesian이 아님. Bayesian은 prior가 생김. Bayesian은 찾고싶은 parameter(=weight = $w$ )에 대해 prior distribution을 주는 것. Prior는 $w$ 가 주어졌을때, $y$ 의 확률분포를 구하는 것. Posterior : 데이터가 있을 때, $w$ parameter에 대한 확률 Conjugate prior Prior distribution에 많이 쓰는 것 : 뤼샤츠, 데이타, 감마, 가우시안(이게 아니면 posterior를 analytic하게 쓸수 없음) posterior를 analytic하게 쓸수 있으면, 그때의 prior를 conjugate prior라고 부름 Bayesian은 새로운 데이터가 들어왔을때,..

논문 : arxiv - What Uncertainties Do We Need in Bayesian Deep Learning for Computer Vision? 코드 :pytorch 유투브 : 한글 유투브가 너무 잘 되어있음. 그냥 유투브 보자. Abstract Bayesian Deep Learning에서 가질수 있는 두가지 uncertainty인 Aleatoric이랑 Epistemic을 설명함. 내 요약 Aleatoric : 데이터가 가지고 있는 불확실성 Epistemic : 모델이 가지고 있는 불확실성 Introduction Aleatoric 센서, 모션 노이즈. 데이터가 많아도 해결 불가 Epistemic 모델 파라미터의 불확실성 모델 불확실성 Aleatoric Homoscedastic input이..