Когда Байесовская Невральная сеть была достаточно взята? Адаптивное время наступления с помощью статистических гарантий

arXiv:2610.12122v1 Annualce Type: New Humber Bayesian Neural Network provisions обычно примеряются с использованием фиксированного числа образцов Монте Карло на вход без контроля за погрешностью, полученной в результате этой конечной выборки. Мы предлагаем использовать доверительные последовательности для динамического определения того, сколько образцов необходимо при сохранении статистических гарантий. Мы рассматриваем несколько способов использования вероятности прогнозирования, включая определение наиболее вероятного класса, приближение полного прогнозного распределения и решение решений о пороге вероятности. Отбор проб прекращается после того, как соответствующее решение может быть принято с требуемой гарантией. Эксперименты показывают, что этот метод позволяет эффективно распределять вычислительный бюджет путем выделения большего числа выборок на двусмысленные вводимые ресурсы, чем для упрощения затрат при сохранении надежных решений и сокращении общей запоздалости по сравнению с фиксированным бюджетом Монте-Карло.