НОВОСТЬ · RESEARCH · #252
AutoBNN — композиционные байесовские нейронные сети для вероятностного прогнозирования временных рядов (open-source, Google Research)
Google Research (публикация Урса Кёстера) представляет AutoBNN — открытый пакет на JAX, доступный в TensorFlow Probability, который заменяет гауссовы процессы композиционными байесовскими нейронными сетями для автоматического подбора интерпретируемых моделей прогнозирования временных рядов, выдачи оценок неопределённости и более эффективного масштабирования на больших наборах данных. AutoBNN переводит композиционные ядра GP в архитектуры BNN, реализует аналоги операций сложения и умножения и ориентирован на ускорение на GPU/TPU и гибридные архитектуры с глубокими BNN-компонентами.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Google Research (публикация Урса Кёстера) представляет AutoBNN — открытый пакет на JAX, доступный в TensorFlow Probability, который заменяет гауссовы процессы композиционными байесовскими нейронными сетями для автоматического подбора интерпретируемых моделей прогнозирования временных рядов, выдачи оценок неопределённости и более эффективного масштабирования на больших наборах данных.
- AutoBNN переводит композиционные ядра GP в архитектуры BNN, реализует аналоги операций сложения и умножения и ориентирован на ускорение на GPU/TPU и гибридные архитектуры с глубокими BNN-компонентами.
- Если AutoBNN оправдает заявленное, замена GP на композиционные BNN может обеспечить практикам интерпретируемые, ускоряемые на GPU вероятностные прогнозы с лучшим масштабированием и оценками неопределённости для больших или высокоразмерных задач временных рядов.
ПОЧЕМУ ЭТО ВАЖНО
Если AutoBNN оправдает заявленное, замена GP на композиционные BNN может обеспечить практикам интерпретируемые, ускоряемые на GPU вероятностные прогнозы с лучшим масштабированием и оценками неопределённости для больших или высокоразмерных задач временных рядов.