Robust full Bayesian learning for radial basis networks.
We propose a hierarchical full Bayesian model for radial basis networks. This model treats the model dimension (number of neurons), model parameters, regularization parameters, and noise parameters as unknown random variables. We develop a reversible-jump Markov chain Monte Carlo (MCMC) method to pe...
Автори: | Andrieu, C, de Freitas, N, Doucet, A |
---|---|
Формат: | Journal article |
Мова: | English |
Опубліковано: |
2001
|
Схожі ресурси
An introduction to MCMC for machine learning
за авторством: Andrieu, C, та інші
Опубліковано: (2003)
за авторством: Andrieu, C, та інші
Опубліковано: (2003)
Схожі ресурси
-
Robust Full Bayesian Learning for Radial Basis Networks
за авторством: Andrieu, C, та інші
Опубліковано: (2001) -
Robust full Bayesian methods for neural networks
за авторством: Andrieu, C, та інші
Опубліковано: (2000) -
Sequential MCMC for Bayesian model selection
за авторством: Andrieu, C, та інші
Опубліковано: (1999) -
Bayesian radial basis functions of variable dimension
за авторством: Holmes, C, та інші
Опубліковано: (1998) -
Robust neural network predictors using radial basis functions
за авторством: Siti Hajar Salleh,
Опубліковано: (1998)