噪音最大化的乘法分解
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
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
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
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
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
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
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
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