Nov, 2007

利用二元特徵数据推定年代的祖先树及其在语言多样化中的应用

PDF
TL;DR通过 Bayesian 方法，提出一种基于出现历史性状的二元数据，从中估计具有时间深度的祖先树的模型分析，该方法基于出现历史性状的重要类别 (homology classes)，并使用基于一种出生死亡过程 (birth-death process) 的模型来构建。
发现论文，激发创造
  • 多项式信念网络

    基于贝叶斯方法的深度生成模型用于处理不确定性、稀疏数据和健康数据分析，通过数据驱动方式提取具有生物学意义的元签名。

    Nov, 2023

  • 高斯协方差模型中高效的似然推断的图形方法

    介绍了如何将双向图转化为最大祖先图，以提高高斯模型中的极大似然函数迭代求解效率及找出最大似然估计等于经验估计的情况。

    Aug, 2007

  • 具有分层功率先验的数据流贝叶斯模型

    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

  • 带有经验先验的实体解析

    本文提出了一种基于经验贝叶斯原则的记录链接方法，该方法使用数据的经验分布函数作为潜在实体的先验，同时允许分类和字符串值变量，包括一种新的概率机制，可以使观察记录值与其关联的潜在实体的值偏离。作者将该方法应用于一个德国名字的模拟数据集和一个意大利家庭调查，并表明该方法执行良好。

    Sep, 2014

  • 基于贝叶斯的时间双聚类在多个受试者的神经科学研究中的应用

    我们提出了一种贝叶斯模型，用于时间双聚类问题的分析，其中包含嵌套分区，通过这种方法可以发现多个主体之间在时间上记录的测量数据存在相似趋势以及相关测量数据的时间变化群组，并可根据数据来确定主体和测量群组的数量以及测量分区中变化点的数量和位置。

    Jun, 2024

  • 稀疏高斯图模型的贝叶斯结构学习

    本文介绍了一种基于贝叶斯框架的高斯图模型确定方法，它是基于连续时间出生 - 死亡过程的转维度马尔可夫链蒙特卡罗方法。该方法易于实现，在高维图形方面具有计算可行性，验证表明该方法在收敛、图形空间中的混合和计算时间方面优于替代贝叶斯方法，并应用于基因表达研究中。

    Oct, 2012

  • 关于网络结构的贝叶斯方法

    本文介绍了一种基于贝叶斯模型选择方法的新算法，通过在网络变量之间建立固定顺序的基础上逼近特征的贝叶斯后验概率，并使用马尔可夫蒙特卡罗方法，使得顺序空间更加平滑，对与其它方法进行了比较实验。

    Jan, 2013

  • 关于具有潜在根变量的贝叶斯网络的注记

    贝叶斯网络中的隐变量作为根节点计算的似然函数特征化，在剩余的显变量上的边缘分布也被命名为经验贝叶斯网络。通过显变量的观测数据集，我们可以量化经验贝叶斯网络的参数。我们证明，（i）从原始贝叶斯网络的这样一个数据集的似然性被经验贝叶斯网络的似然性的全局最大值所主导；（ii）只有当贝叶斯网络的参数与经验模型的参数一致时，才能达到这样的最大值。

    Feb, 2024

  • 贝叶斯网络中精确贝叶斯结构发现的进展

    本文介绍了一种贝叶斯方法用于从完整数据中学习贝叶斯网络结构，并使用前向 - 后向技术和快速莫比乌斯变换算法实现了对所有潜在边缘后验概率的计算，从而加速了学习中等大小网络的统计能力的实验研究。

    Jun, 2012

  • 通过 Beta 过程联合建模多个相关时间序列

    该研究提出了使用贝叶斯非参数方法在多个相关时间序列的联合建模问题上的解决方案，其中使用了潜在的共享动态行为发现方法，提出了一种基于 Beta 过程先验的高效 Markov chain Monte Carlo 方法，并利用 birth 和 death proposals 方法探究新的动态行为，最终实现了对于视频运动捕捉数据的无监督分割，并在一些合成数据集中获得了良好的结果。

    Nov, 2011