Bayesian Interpolating Neural Network (B-INN): a scalable and reliable Bayesian model for large-scale physical systems
贝叶斯插值神经网络（B-INN）：一种可扩展且可靠的贝叶斯模型，用于大规模物理系统
机构 * Department of Mechanical Engineering, Northwestern University, Evanston, Illinois, USA（机械工程系，西北大学，伊利诺伊州埃文斯顿） ； Department of Engineering Sciences and Applied Mathematics, Northwestern University, Evanston, Illinois, USA（工程科学与应用数学系，西北大学，伊利诺伊州埃文斯顿） ； Department of Mathematics, Northwestern University, Evanston, Illinois, USA（数学系，西北大学，伊利诺伊州埃文斯顿） ； Applied Mechanics Program, Northwestern University, Evanston, Illinois, USA（应用力学项目，西北大学，伊利诺伊州埃文斯顿）
AI总结 B-INN通过结合高阶插值理论与张量分解，提供一种高效且可靠的贝叶斯模型，用于大规模物理系统的不确定性量化与主动学习。
Comments 8 pages, 6 figures, ICML conference full paper submitted
