江苏建湖新型农村社区岸绿水清环境好农民安居又乐业

中新网盐城1月18日电 题:江苏建湖新型农村社区:岸绿水清环境好农民安居又乐业

“今年不去城里了,就在家里过年。”

雷锋网原创文章,。详情见转载须知。

在Twitter上,纽约大学数学和数据科学教授Andrew Gordon Wilson就表示他们的观点存在错误:这篇博客中存在错误。

也许是你们的“贝叶斯神经网络不合理”的先验太强了才觉得理解不了(微笑)。

5,缺少理想的后验收缩会在这么几种情况下发生:

庭审结束后,双方代理人均对“云开庭”的信息化体验表示满意,尤其在当前疫情期间,既能有效减少人员聚集,又能及时推进诉讼进程,节省当事人诉讼成本。鉴于双方均有协调意愿,庭后法院将继续组织在线沟通调解。

但神经网络有很强的表达能力,这里的b情况根本就和“有模糊的权重先验”完全相反!除了技术讨论之外,我建议两位可以多提问、多学习,以及对贝叶斯深度学习抱有开放的心态。

朱咸芒的新楼房分三层,总共186平方米。他拉着记者一个房间一个房间地参观。一楼是客厅、厨房、卧室、卫生间,二楼三楼都有3个卧室,三楼还有一个阳光房,是两个儿子两家子回来住的地方,每个卧室都安装了空调,冰箱、洗衣机、液晶电视等家用电器也是一应俱全。

一、贝叶斯神经网络有用吗?

“真的感谢村里,感谢政府!”今年70岁的陈少伟是村里的五保户,一年前,他因车祸双腿留下残疾,平时要靠双拐才能出行。这次分房,他有了自己的新家,装修也是村里免费办好的。

采访中,记者发现,新型农村社区不仅建有党建服务中心、公共停车场、卫生室,还安装了路灯,铺设管道天然气以及雨水污水管网,并规划建设健身广场、文化礼堂。同时,社区边都有块菜园地,社区中每户都分得一块自家菜园,避免了农户在家前屋后种植蔬菜,使小区的绿化和环境不受破坏。

注:实际上对于某些数据,fθ可以产生错误的输出,即Q(f*)不等于Q(fθ)

建湖县恒济镇恒东新村内的清水绿岸民居。于从文 摄

“一门两窗、六十平方,前面柴房厨房、后面猪圈茅房。”是过去苏北农房面貌的真实写照。自2018年9月份开始,盐城市把加快改善农民住房条件作为实施乡村振兴战略的标志性工程来推进。西尖村对原有的18个自然村庄进行规划,保留了3个自然村庄,新建一个新型农村社区西尖新村。西尖村党总支书记金正盛介绍说,西尖新村由南京规划建设设计院整体规划设计,完工后,总共可改善450户农民住房,涉及周边7个村居,目前已有92户村民分房入住,年前还将组织二期75户村民分房,三期建设也将于春节后动工。

3,对于通常会使用神经网络来解决的问题,好的解的数量通常都会比不好的解的数量更多。神经网络的结构中就含有帮助带来更好的泛化性的归纳偏倚。神经网络函数“与泛化性无关”的说法有点不负责任。

“恒东新村是在原来的自然村庄上进行重建的。”恒济镇村建中心主任王勇说,这个地方原来就是一个自然村庄,进行规划后,保留了原来的水系,对河道进行清淤疏理,做了驳岸和绿化,通了管道燃气,“恒东村新居建成后,各项设施完全不输城市,不少搬进城里的村民都想回农村住。”

全体深度学习研究人员(以及作者们自己)都已经接受了神经网络的大规模使用,即便我们还没有找到明确的泛化边界,也对神经网络的理论理解甚少。但是既然神经网络运行起来令人满意,这些问题就一股脑地被视而不见 —— 神经网络就是好的、正义的。然而,现在作者们要求贝叶斯神经网络必须在先验方面提供很强的理论保证,虽然他们同时也承认贝叶斯神经网络是有效的…… emmm,你们觉得这像不像贼喊捉贼?

为了说明先验在贝叶斯网络中的重要意义,Buckman在博客中引入了泛化不可知先验(generalization-agnostic priors),用这种“不可知的先验”进行贝叶斯推理并不能减少模型的不确定性。Carles和Buckman认为,要想在深度学习中使用贝叶斯框架,只有让先验与神经网络的泛化特性相联系,才能达到好的效果,方法是给泛化能力良好的函数以更高的概率。但是目前学术界还没有足够的能力(作者猜测)来证明哪种先验的情况能够满足条件。另外,Buckman在博客中作者举了一个具体的例子:当一个数据集C

里面包含两种数据对:一种是给定输入,输出正确;另一种是给定输入,输出错误。训练神经网络所得到的参数 必须让神经网络既能够表达正确输出,也能够表达错误的输出。即使模型在数据集上训练后,能够得到条件概率p(f|c)=1,但在测试集上模型也可能表现很差。另外,定义一种先验概率Q,可以让 Q(f*)=Q(fθ)这意味着如果泛化良好的函数与泛化不好的函数得到的分配概率是相同的。但这种先验是有问题的:由于f*和fθ的数据的可能性为1,并且由于先验概率相似,这意味着后验概率也是相似的(如下公式)。

“一期132户已经全部分房入住,还有50户将在三月份组织分房。”王勇介绍说,政府依据房屋价值评估对农户进行补贴,最终平均下来,每平米只需补200元左右的差价。其中针对五保户,村里更是进行了兜底和托底安置,免费提供56平的房屋。

为了更加明晰“贝叶斯网络没啥用”的立场,近期Carles Gelada 和 Jacob Buckman重新梳理了他们的思路,专门写了一篇博客,从贝叶斯网络的原理入手,详细阐述了“BNNs需要先验信息丰富的先验知识才能处理不确定性”的观点,并指出泛化的代价不容忽视。

“互助的传统馍馍做法主要有蒸、烤、炸、焜4个系列,现在已经发展到了28个品种,土族传统的制作方式、工具和工艺都没变,但花形和颜色比之前更精美、更丰富了。”东沟乡党委书记杨启林说。

纳卡村党支部书记昝发寿就是众多能人之一,今年他又多了一个新身份——馍馍经纪人。记者见到他时,他正张罗伙计在大赛现场搭设由几百个焜锅馍馍组成的高台,高台顶上“东沟馍馍”的招牌格外显眼。

杨启林说,近两年来,东沟乡在实施精准脱贫和乡村振兴的攻坚路上,坚持把馍馍产业作为推动农民持续增收的一条有力途径来重点培育、重点打造,通过政府搭台、能人拉动、群众唱戏、媒体助阵四措并举,“东沟馍馍”产业步入发展快车道。

说起新家的感受,袁明国很是满意:“这里房子新、环境好,特别是村的老邻居还是住在一起,聊聊天说说话很方便。再说了,房子比以前大不少,除去政府的补贴,自己只交了很少的钱,咱还有啥不高兴的呢!”

“原来做馍馍图案和造型简单,现在生活条件好了,按自己的喜好在馍馍上做图案,用香豆、姜黄点缀颜色。”

1、贝叶斯神经网络具有不确定性的原因:泛化不可知先验

1、Twitter 战场:存在技术错误

由于博客作者们对贝叶斯推理中的真正的先验缺乏了解,所以我觉得这个讨论很没意思,甚至有一股双重标准的味道。

“改善农民住房,不仅顺应民意,给了老百姓最大的实惠,而且可以有效节约农村闲置土地,老百姓的热情都很高。”西尖村党总支书记金正盛说。

互助县是我国唯一的土族自治县,东沟乡是土族人口最为集中的地区,这里保留了很多土族的传统文化习俗,其中,制作各色面食馍馍就是最具代表的年俗传统。

在西尖村党群服务中心,记者遇到前来咨询分房政策的商先生,他多年前就已在上海定居,这次过年回家恰好遇到家中分房,便特地过来为老父亲咨询相关政策,“家里有两个老人,希望选一个适合老人居住的户型。”

“花花甜,月饼酥,油炸馓子香又脆。”

综上,Carles和Buckman认为在泛化不可知的先验条件下,无论数据集如何,都无法降低模型的不确定性。即贝叶斯神经网络起作用的关键因素是:先验能够区分泛化良好的函数和泛化不好的函数。

在构建贝叶斯神经网络时,大家的共识是用比较简单的概率先验,即假设参数服从独立的高斯分布。但是高斯先验显然会导致结构先验,而这些先验并无泛化能力,原因有两点:1.高斯先验平滑分配概率。2.在训练神经网络的时候,无论数据集如何,最合理的策略似乎是给不同的泛化函数以相同的权重。还有一点是计算问题也不容忽视,实际上如何对贝叶斯推理q(F|D)进行计算可能是贝叶斯神经网络(具有先验泛化不可知)能够有合理效果的关键因素。

最近Twitter、Reddit上有一股争论的热潮涌动,先是有 François Chollet 、Yann LeCun 等人隔空辨析「到底什么是深度学习」,后是有一大批研究者争论「贝叶斯神经网络到底有没有意义」。新的一年,火药味十足,这是否也意味着深度学习的研究正进入一个混乱的时期?道理,不辨析不明朗;学问,不争论不清晰。

66岁的朱咸芒和老伴刘锦叶站在新居前,笑容洋溢在脸上。于从文 摄

他们洋洋洒洒了一大堆,最后只证明了损坏训练数据会降低贝叶斯神经网络的测试准确率而已…… 呃…… 所以这有什么好奇怪的吗……

“我们已经成功办了三届馍馍大赛了,评出‘巧手厨娘’72人。去年,保广梅、王玉英等‘巧手厨娘’在各地开设馍馍店铺18家,年销售总额达到110余万元。如今‘东沟馍馍’小有名声,馍馍产业正在成为群众增收致富的新途径。”杨启林介绍,下一步,东沟乡将抓紧落实两个重要工作,一是争取20万元资金购置设备;二是协调“乐村淘”农村电商平台,对“东沟馍馍”进行品牌化包装销售,实行线上线下市场化运营模式。

2,能拟合噪声的模型并没有什么出奇之处,而且也和“存在归纳偏倚,更倾向于选择有噪声的解”是两码事。在函数上简单增加一个标准的GP-RBF先验就可以支持噪声了,但它仍然更善于建模有结构的解。

1月7日一大早,青海省互助土族自治县东沟乡龙二村的保广梅就把前一天做好的“青海大月饼”仔细地包好,放在车上,去乡里参加“舌尖上的塘拉滩——东沟乡第三届土族民俗传统馍馍大赛”。

他指出,或许贝叶斯神经网络并没有多大用处。大致观点为:1)只有当具有合理的参数先验时,我们才会去使用贝叶斯规则,但没有人知道先验对神经网络权重的编码会是什么,那么为什么我们还要使用这种先验呢?2)许多正则化都可以用贝叶斯解释,但事实上每个人都能够对正则化给出一个解释。那么我们用贝叶斯理论来解释正则化,有什么意义呢?3)或许有人会说BNNs可以让我们直接用经验来找到正则化。但谁来保证BNNs找到的这种正则化空间就是最优的呢?4)BNNs可以用在贝叶斯元学习框架当中。但没有理由相信这种应用会比其他元学习框架更好。针对Carles提出的这些反对意见,在Twitter上迅速吸引了大批的研究人员加入讨论。多数引经据典,从历史发展、当前研究、实践经验等各种角度进行辩论,或赞同,或反对,不一而足。

农民集中居住后,土地流转了,到哪里就业?西尖村党总支书记金正盛说,新村不远处就是工业园区,那里需要劳动力,有劳动能力的农民都到园区上班,由农民变成了工人。恒济镇村建中心主任王勇说,恒东新村附近有大型水产养殖基地,不少村民选择到那里去打工。(完)

多变的做法,不同的口味,使土乡传统年馍色香味俱全,得到了大家的一致好评,勾起了土乡人心中那股浓浓的乡情,同时也搭建起了一条脱贫致富的新路子。

袁明国在新居内擦门窗,准备迎接新年。于从文 摄

如果情况是像你说的这样,那么证明这件事是贝叶斯支持的责任(而不是我们质疑者的),尤其是当他们声称模型可以提供好的不确定性的时候。实际上我们提出质疑的理由就是,每个初始值附近都同时有好的和坏的泛化函数,那么他们声称的东西也就值得怀疑了。

据统计,2月3日至3月9日,浙江全省法院远程视频开庭数大幅增加,网上开庭3033次,网上调解15543次,网上证据交换7928次,电子送达414443次。此外,当事人网上立案28689件,网上缴费45092件。(完)

2、Reddit 回帖:水平不足+双重标准

Carles和Buckman也在博客中表示上面的理由有猜测的成分,因为无法得知何种因素决定神经网络泛化能力,所以定义执行贝叶斯推理的先验具有不确定性。贝叶斯神经网络只是一个神经网络,先验只是里面的一个超参数。Carles和Buckman认为当前在网络中加入贝叶斯不会带来任何好处,只有当能够找到一个好的先验,并且能够验证推理的准确性才能有所帮助。另外,他们还提到:作为一个领域,先验在贝叶斯框架里扮演着重要的角色,这一点毋容置疑,所以对于贝叶斯网络需要理性的批判,不能让“不具信息性的先验在不确定性下表现良好”(uninformative priors are good under uncertainty)这种无脑观点所左右。

建湖县恒济镇恒东村是盐城市农房改善“十镇百村”示范村,17日下午,记者来到这里采访。刚一进村口,健身设施、小公园、花园洋房便吸引了记者的目光。漫步在村间小路,迎面吹来清爽空气,放眼望去周围郁郁葱葱的景色。

按照一般理解,这种将参数以概率分布的形式表示,可以为网络推理提供不确定性估计;此外,通过使用先验概率分布的形式来表示参数,训练期间在许多模型上计算平均值,可以给网络提供正则化效果,从而防止过度拟合。然后,在大约一个月前,OpenAI 研究员Carles Gelada发布了一个系列Twitter:

做深度学习的人挺能散布负面言论的啊……尤其是,我觉得他们的讨论方式,针对某个任意的、损坏的测试集 C 的讨论,只不过是在攻击他们自己造出来的一个靶子而已。

建湖县恒济镇恒东新村内的道路两侧挂上红红的灯笼和中国结,新年的气氛越来越浓。于从文 摄

“这个焜锅是用筷子画的,那种圆的造型是用花卷叠出来的。”

Reddit上网友们的回应更激烈、更情绪性一些,甚至得到最多赞同意见的帖子就含有辛辣的批评和嘲讽。

“开业当天,两个小时不到,所有的馍馍就被抢购一空。”如今,他成了乡里的馍馍经纪人、全村的致富带头人,在村里联络了十几家,自己家里雇了七八个人专门做土族传统面食。

在恒东新村的东南角,有一户三层小楼,王勇说,镇里在重建新村时,这一户考虑房子不算太旧,结构也好,不想拆除重建,镇里尊重他家的选择,没有对其拆除,并且把这一户的外墙进行重新粉刷,使整体风格和新村统一起来。

在当前疫情防控期间,浙江高院于2月14日下发通知,要求该省法院发挥智能化建设优势,大力开展网上办案,积极引导当事人和其他诉讼参与人更多地通过移动微法院等平台在线参与诉讼活动,尽可能减少人员聚集和直接接触。同时要坚持自愿、合法、规范、增量服务原则,遵守诉讼法有关规定,保障当事人各种诉讼权利,尊重当事人及其他诉讼参与人的程序选择权,努力为当事人提供更加优质、高效、便捷的诉讼服务。

17日,刚刚经过一场细雨后的苏北天空放晴,在建湖县建阳镇向阳大道旁的西尖新型农村社区内的一幢三层小楼里,66岁的朱咸芒和老伴刘锦叶正在整理家什,见到记者来访,朱咸芒说:“以前住的老房子,三间两厨瓦房,年代久了,结构差,位置还偏,出行不便,今年换上新房,想改变一下过年方式,让儿孙们都回来过年。”

这篇博客同步发在了推特和 Reddit 上,自然也就在两个平台上都引来了反驳的声音。

当工作人员详细介绍了分房政策和房型区别后,商先生感慨道:“当初要拆迁的时候,心中还有些疑虑,刚去看了竣工的新房,感觉未来可期啊!”

“‘背口袋’荨麻多了会苦,少了就没味儿,这个就很到位。”

3、理性批判BNNs

“刚开始,我也不相信靠这个普普通通的馍馍能挣钱致富。”昝发寿告诉记者,2017年抱着试试看的心思,他在县城的纳顿风情街开设了一家“东沟馍馍”铺,随着铺子的开张营业,自己的想法一下子转变了。

可能我们在博客里写得不够清楚。我们考虑含有损坏数据的数据集,不是为了说明只要有损坏数据就会有糟糕的预测表现(尤其对于一百万比一这种情况),而是想说明有损坏数据的、神经网络拟合之后会有糟糕的泛化表现的数据集是存在的。我们是为了说明存在性。如果先验对这样的网络分配很高的概率,那么贝叶斯推理就没有什么好处。我们的博客也不是为了表达贝叶斯神经网络没用,而是想表示“如果没有好的先验,贝叶斯神经网络就无法带来好的不确定性估计”,“关于非信息性的先验的标准讨论方式是有问题的”,以及“想要有好的不确定性估计,我们需要先理解神经网络的泛化性”。除此之外,其它多篇Reddit 的网友回帖也认为原博客两人的讨论态度有问题,立场很难称得上是“冷静看待”,有些简单的实验也完全可以自己先尝试。

编辑 | 雷锋网(公众号:雷锋网) Camel

50岁的保广梅是土生土长的土族妇女。精明干练、心灵手巧的她有着一手好厨艺,她做的土族传统馍馍更是远近闻名。这是她第三次参加馍馍大赛了,2018年她的炸馍得了一等奖,去年她的烙馍获得二等奖。她笑着告诉记者,今年自己寻思着弄个蒸馍再试试。

朱咸芒和老伴刘锦叶在自家菜地里摘菜。于从文 摄

所谓贝叶斯神经网络,简单来说便是将一般神经网络中的权重和偏置由确定的数值变为一个分布。

今年以来,浙江在该省法院全面推进“无纸化办案”,坚持“平台+智能”总体设计,推进线下司法全面上线,线上各办案节点智能化,实现网上立案、智能送达、电子阅卷、一键归档等全流程无纸化办案。

“去年底在乡里的联络下,我开始和‘乐村淘’电商平台合作了,这两天馍馍的销售量更是翻了几番。”昝发寿掩不住心中的喜悦。

2、当前贝叶斯网络的泛化能力不可知

上午11点,来自四乡八镇的巧妇能匠将精心烹制的各式传统年馍端了上来,焜锅、果儿、馓子、油饼、麻花、盘馓……摆满了场院,炸馍色泽金黄,蒸馍松软诱人,焜馍麦香四溢,烙馍色香俱全,整个塘拉滩顿时都弥漫着年馍的香味。

1,如果数据是来自我们想要拟合的分布的,那么随着我们使用的数据的规模增大,似然性会收缩到那个“好的函数”上,因为不好的函数会越来越少出现,这也和我们的观测值一致。

我解释给你们看看:他们没有给出被损坏的数据的数量,但是他们就声称 f_theta 肯定在 D_test 上会有糟糕的表现?他们的依据是什么?那比如 D 是一百万个好的数据点组成的数据集,C 是 D 加上一个损坏的数据点,所以按照他们的理论,D_test 上的测试误差肯定会特别糟糕?

记者来到恒东新村村民袁明国家里时,66岁的他正忙着擦玻璃。他的新家有四室两厅,室内南北通透,装修简洁大方,厨房通上了天然气,屋顶装有太阳能热水器。

假想空间中并不包含好的解; 先验对某个坏的解太过自信(比如给任意的 x 都分配同一个标签 p)。

“舒服!这里简直就是天堂!”刘锦叶老人说起这里居住体验赞不绝口“这里环境好,风景美,闲暇时喜欢出去走动走动,心情都比以前好很多呢!”

4,实际上,想要在函数空间创造许多不同的“泛化性无关”的先验是很简单的事,而它们的行为会和神经网络非常不同。它们可以由平凡的结构组成,而且也肯定不会具有任何泛化能力。

另外,关于“拟合损坏的样本”的讨论不应该和“拟合噪声”混为一谈。我们在讨论中假设了分类任务中不存在噪声,但即便是有噪声的分类任务,我们的观点也是成立的。用简单的测试就可以说明目前使用的先验不是泛化无关的:训练一个好的函数、训练一个坏的函数,然后看看先验是否会给好的函数更高的概率。我怀疑状况不是这样的,但这里需要贝叶斯的支持者向我证明他们的先验是好的。

You may also like :