Jan, 2013

噪音最大化的乘法分解

PDF
TL;DR本文介绍了一种新的 noisy-max 表示法，可有效进行常规贝叶斯网络的推理。实证研究表明，我们的方法能够计算出多个大型医疗网络中的查询，其中之前未曾表现良好的准确推理方法。
发现论文，激发创造
  • 无监督学习噪声或贝叶斯网络

    使用矩估计和方法论的算法，学习了具有已知结构和隐藏变量的离散变量的贝叶斯网络的参数。该算法特别适用于双分区 noisy-or Bayesian networks，成功地在医学诊断中应用。

    Sep, 2013

  • 基于消息传递的布尔矩阵分解和噪声补全

    通过图模型和传递信息的方法，本文提出一种处理布尔矩阵分解和噪声下的布尔矩阵完成的方法，可线性处理观察点和因子数量，实验结果表明该方法在实际应用中可以较好地恢复低秩布尔矩阵。

    Sep, 2015

  • 可证明的 Noisy-or 网络学习

    本文介绍了如何使用张量分解学习单层嘈杂或网络的方法，并解决了存在系统性误差时如何对张量分解进行分析的问题，这一方法在其他设置中可能有用。

    Dec, 2016

  • 利用加权模型计数中的结构进行概率推断

    本文提出了使用两种 SAT 编码的噪声 OR 和两种编码的噪声 MAX 的技术，以提高 Bayesian 网络的精确推理。经过实验评估，我们的技术在具有噪声 OR/MAX 关系的网络中获得了最佳效果。

    Jan, 2014

  • 贝叶斯最优矩阵分解中的相变和样本复杂度

    使用统计力学工具分析了矩阵分解问题的可实现性和计算可处理性，在贝叶斯最优推断设置下计算任意计算时间内可能实现的最小均方误差和有效近似迭代推理算法可以达到的误差。

    Feb, 2014

  • 贝叶斯非负矩阵分解推断方法的比较研究

    该研究考虑用贝叶斯矩阵分解法进行数据预测和模式发现，比较了不同推理方法在噪声和数据稀疏性下的收敛性和鲁棒性，并讨论了如何通过提出的贝叶斯自动相关性确定先验进行模型选择。

    Jul, 2017

  • 基于矩阵分解的有噪和缺失协变量因果推断

    该论文提出使用矩阵分解来从噪声协变量中推断混淆因素，减少测量噪声引起的偏差，展示了这个方法在合成数据和临床数据上的实验结果。

    Jun, 2018

  • 非负矩阵分解中贝叶斯泛化误差的上界

    本文研究了非负矩阵分解的真实对数规范阈值，并在贝叶斯学习中给出了一种上界估计，结果表明如果应用贝叶斯学习，则可以使矩阵分解的泛化误差小于常规统计模型。

    Dec, 2016

  • 嘈杂或模型的推广

    本文介绍了 Noisy-Or 模型在 Bayesian 网络中的推广运用，用于多元输入输出变量及除布尔 OR 函数以外的任意函数的建模。同时，介绍了一些实例应用，包括数字电路诊断和网络可靠性分析。

    Mar, 2013

  • 计算 “或” 和 “最大值” 函数的噪声方法

    使用有噪声的查询计算具有错误概率的函数问题，给出了计算 OR 函数和 MAX 函数所需的期望查询次数，并在两个函数的上下界中对错误概率进行了更紧密的依赖。

    Sep, 2023