本文提出了一个基于凸规划对偶性的新的近似方案，使用平滑的快速梯度方法来估计最大化熵的概率分布，同时满足一定数量的被噪声污染的时刻约束，进一步阐述了如何通过该方案来近似化学主方程和解决具有无穷状态和动作空间的约束马尔可夫决策过程的问题。
Aug, 2017
最大熵分布、拉格朗日乘子、高斯过程、核函数和数据驱动的最大熵闭合问题的性能研究。
Aug, 2023
我们提出了一个泛贝叶斯推理的框架，利用损失函数将数据信息与感兴趣参数相连，并使用累计损失函数的决策论方法更新信念，从而在更一般的情况下提供连贯的主观推断。
Jun, 2013
本文提出了一种有效方法来估计高维的混合模型的参数以及应对 EM 算法的失败问题，该方法基于矩估计法来进行无监督学习从而实现了之前未能达到的混合模型严格的无监督学习结果。
Mar, 2012
本文提供了关于贝叶斯网中互信息的先验分布、后验分布以及互信息分布的计算方法，以及这些方法的可靠快速的近似。
Dec, 2001
通过非标准的参数化最大后验概率估计，基于块对角矩阵逼近提出了一种基于似然函数的模型选择方法，同时辅以残差离散度估计来度量模型的拟合程度，并提供了实例来说明模型选择和与标准技术的比较。
Sep, 2011
本文提出了一种贝叶斯方法来处理数据流中连续模型更新和适应底层数据生成分布的漂移问题，使用非共轭分层先验来显式地建模模型参数的时间变化，并导出了一种新的变分推断方案，验证实验表明这种方法在三个潜变量模型的三个真实数据集上具有良好的效果。
Jul, 2017
利用半定规划抑噪，解决高斯混合模型中方法矩的不一致性等问题，建立在 Wasserstein 距离下新的矩比较定理，提出新的算法，解决方法矩估计常见的问题。
Jul, 2018
基于密度矩阵的概率计算包括定义联合、条件概率、与总概率定理类似的公式、贝叶斯规则、相对熵，其中相对熵版本的贝叶斯规则是由最小相对熵原理推导得到的，并且优化方向的不确定性可以通过一般化的方法来处理并得到相应的贝叶斯下限。
Jan, 2009
通过计算后验分布的高阶中心矩与后验均值的高阶导数之间的基本关系，提出了一种用于预训练的降噪器的不确定性估计方法，可有效计算图像区域的主成分以及在任意一维方向上的近似全边际分布。该方法快速、内存效率高，并且无需训练或微调降噪器。
Sep, 2023