論文の概要: Bayesian Neural Networks via Dirichlet Process Priors on the Data-Generating Distribution for Randomized Value Functions in Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2610.27570v1
• Date: Tue, 20 Oct 2026 03:36:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.61784
• Title: Bayesian Neural Networks via Dirichlet Process Priors on the Data-Generating Distribution for Randomized Value Functions in Deep Reinforcement Learning
• Title（参考訳）: ディープ強化学習におけるランダム化値関数のデータ生成分布に基づくディリクレプロセスによるベイズニューラルネットワーク
• Abstract要約: 我々はベイズ非パラメトリックディリクレ過程を基礎となるデータ生成分布に直接配置することで不確実性を定量化する新しいBNNのクラスを導入する。 本研究では,DP-BNNを用いた強化学習アルゴリズムであるDP-DQNを開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Bayesian neural networks (BNNs) offer a principled framework for quantifying epistemic uncertainty. However, standard weight-space priors yield complex, high-dimensional neural network posteriors that are computationally prohibitive to sample from, and popular approximate inference schemes often fail to capture epistemic uncertainty effectively---a failure mode particularly acute in reinforcement learning (RL) \citep{osband2018randomized}. To resolve this challenge, we introduce a new class of BNNs that quantify uncertainty by placing Bayesian nonparametric Dirichlet Process (DP) priors directly on the underlying data-generating distribution rather than on network parameters. Building on this foundation, we develop DP-DQN, a reinforcement learning algorithm that leverages DP-BNNs to maintain posterior distributions over value functions and perform efficient Thompson sampling. By grounding randomized value functions in Bayesian nonparametrics, DP-DQN unifies data-driven posterior reweighting (via the Bayesian Bootstrap) with generative prior hypotheses injected directly through the DP base measure, enabling decisive ``deep exploration'' with a single neural network without the overhead of multi-network ensembles.
• Abstract（参考訳）: ベイズニューラルネットワーク(BNN)は、てんかんの不確実性を定量化するための原則的な枠組みを提供する。 しかし、標準的な重み空間の先行は、サンプリングを計算的に禁ずる複雑で高次元のニューラルネットワーク後部を生み出し、一般的な近似推論スキームは、特に強化学習(RL)において、特に急性な障害モードである、てんかんの不確実性を効果的に捉えることができない。 この課題を解決するために,ベイズ非パラメトリックディリクレプロセス(DP)をネットワークパラメータではなく基礎となるデータ生成分布に直接配置することにより,不確実性を定量化するBNNの新たなクラスを導入する。 そこで我々は,DP-BNNを用いた強化学習アルゴリズムDP-DQNを開発した。 ベイズ非パラメトリックのランダム化値関数を基底にすることにより、DP-DQNは(ベイズブートストラップを介して)データ駆動の後方再重み付けと、DPベース測度から直接注入される生成前の仮説を統一し、マルチネットワークアンサンブルのオーバーヘッドを伴わずに単一のニューラルネットワークによる決定的な「深度探索」を可能にする。

関連論文リスト

• From Overfitting to Reliability: Introducing the Hierarchical Approximate Bayesian Neural Network [3.632251954989679]
  HABNNは、ガウス-逆ウィッシュアート分布をネットワークの重みのハイパープライアとして利用する、新しいアプローチである。 その結果、HABNNは適合するだけでなく、しばしば最先端のモデルよりも優れていることが示唆された。
  論文  参考訳（メタデータ） (2025-12-15T09:08:42Z)
• Unrolled denoising networks provably learn optimal Bayesian inference [54.79172096306631]
  我々は、近似メッセージパッシング(AMP)のアンロールに基づくニューラルネットワークの最初の厳密な学習保証を証明した。 圧縮センシングでは、製品から引き出されたデータに基づいてトレーニングを行うと、ネットワークの層がベイズAMPで使用されるのと同じデノイザーに収束することを示す。
  論文  参考訳（メタデータ） (2024-09-19T17:56:16Z)
• Tractable Function-Space Variational Inference in Bayesian Neural Networks [72.97620734290139]
  ニューラルネットワークの予測不確かさを推定するための一般的なアプローチは、ネットワークパラメータに対する事前分布を定義することである。 本稿では,事前情報を組み込むスケーラブルな関数空間変動推論手法を提案する。 提案手法は,様々な予測タスクにおいて,最先端の不確実性評価と予測性能をもたらすことを示す。
  論文  参考訳（メタデータ） (2023-12-28T18:33:26Z)
• Improved uncertainty quantification for neural networks with Bayesian last layer [0.0]
  不確実性定量化は機械学習において重要な課題である。 本稿では,BLL を用いた NN の対数乗算可能性の再構成を行い,バックプロパゲーションを用いた効率的なトレーニングを実現する。
  論文  参考訳（メタデータ） (2023-02-21T20:23:56Z)
• Variational Neural Networks [88.24021148516319]
  本稿では,変分ニューラルネットワーク(VNN)と呼ばれるニューラルネットワークにおける不確実性推定手法を提案する。 VNNは、学習可能なサブレイヤで入力を変換することで、レイヤの出力分布のパラメータを生成する。 不確実性評価実験において、VNNはモンテカルロ・ドロップアウトやベイズ・バイ・バックプロパゲーション法よりも優れた不確実性が得られることを示す。
  論文  参考訳（メタデータ） (2022-07-04T15:41:02Z)
• A PAC-Bayes oracle inequality for sparse neural networks [0.0]
  非パラメトリック回帰条件下で, スパースディープニューラルネットのギブス後部分布について検討した。 この方法が回帰関数の未知の正則性と階層構造に適応することを示すオラクルの不等式を証明する。
  論文  参考訳（メタデータ） (2022-04-26T15:48:24Z)
• Sampling-free Variational Inference for Neural Networks with Multiplicative Activation Noise [51.080620762639434]
  サンプリングフリー変動推論のための後方近似のより効率的なパラメータ化を提案する。 提案手法は,標準回帰問題に対する競合的な結果をもたらし,大規模画像分類タスクに適している。
  論文  参考訳（メタデータ） (2021-03-15T16:16:18Z)
• Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
  後続正則化に基づく近似ベイズ推定法を開発した。 前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
  論文  参考訳（メタデータ） (2020-06-26T13:50:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。