本論文は、ベイズ型ニューラルネットワークの事前分布を柔軟に定義する新しい手法を提案する。この手法では、低次元の潜在変数を高次元の重みに変換する決定論的な関数を用いることで、複雑なデータ構造を効果的にモデル化できる。さらに、変分推論とグラジエントアセントアルゴリズムを組み合わせることで、事前分布のハイパーパラメータの推定と事後分布の近似を同時に行うことができる。