Jan, 2013

Lumiere 项目：用于推断软件用户目标和需求的贝叶斯用户建模

PDF
TL;DRLumiere 项目旨在利用概率和效用来帮助计算机软件用户，主要包括 Bayesian 用户模型、智能用户界面等相关领域的研究，其中解决的问题包括构建 Bayesian 模型、获取软件应用的事件流、捕获用户专业知识的持久性 profile 等。
bayesian user modelsintelligent user interfaceuser needsobservational variablespersistent profiles
发现论文，激发创造
  • 贝叶斯认知方法提高数据可视化

    利用贝叶斯认知模型在数据可视化中理解用户对先前信念的影响，研究发现大型数据集下用户的判断与贝叶斯预测不一致，为此介绍了贝叶斯推理作为数据可视化评估的规范框架。

    Jan, 2019

  • 交互式知识引导中用户建模以避免过度拟合

    本研究提出了一种用户建模方法，通过概率用户模型来推断用户的知识，从而提高交互式机器学习的性能，并避免过度拟合的问题。

    Oct, 2017

  • 使用 AI 工具预测移动应用的可用性：大型用户界面模型的崛起、机遇与挑战

    在移动应用程序的背景下，本文提出了所谓的大型用户界面模型（LUIMs），以通过人工智能生成用户界面并预测可用性。

    May, 2024

  • 基于贝叶斯的对话式推荐系统

    基于贝叶斯方法的对话式推荐系统，通过概率质量函数更新物品，信息理论标准最优地塑造互动并决定何时结束对话，并相应地推荐最可能的物品，结合历史数据进行先验信息推断，应用于 stagend.com 平台，并通过实证分析显示出推荐质量和效率方面的优势。

    Feb, 2020

  • 基于贝叶斯推理的自然语言人类概念学习建模

    本研究使用大型自然语言模型作为提议分布，对自然语言的陈述进行贝叶斯推理，以模拟人类抽象符号概念的学习。通过拟合先验人类数据，评估生成和逻辑概念的学习效果。

    Jun, 2023

  • 面向通用、可扩展的贝叶斯教学框架及其在主题模型中的应用

    通过基于人类教学的伪边际抽样实现机器学习的普适性教学方法，成功地在主题模型上进行训练，并在电影简介数据中验证了该方法的优势。

    May, 2016

  • 基于模型的机器视觉中的贝叶斯推断

    一篇关于基于贝叶斯推断以及多种传感器协同作用的机器视觉系统中，对物体和其属性进行全面分析和理解的研究论文。

    Mar, 2013

  • LuminLab：一款基于人工智能的建筑改造和能耗模拟平台

    这篇论文介绍了 LuminLab 平台的技术和概念发展，该平台是一个在线工具，整合了一个专门定制的以人为本的人工智能聊天机器人和预测能源模型，可以快速生成并讨论自然语言中的建筑改造计划。这个平台让用户能够根据自己的预算和建筑需求与一系列可能的改造路径进行交互，并且随需应变。鉴于建筑改造项目的复杂和成本高昂，涉及多个利益相关者，他们的目标和激励不尽相同，我们认为这种 AI 驱动的工具有潜力在解决知识孤立问题、改善沟通，并赋予个人业主进行增量改造项目的能力，否则可能不会实施。

    Apr, 2024

  • 一种贝叶斯机器科学家用于帮助解决复杂科学问题的方法

    引入了一种贝叶斯机器科学家，它使用对模型的后验分布的明确逼近来确定模型的合理性，并通过从数学表达式的大量经验语料库中进行学习来确定模型的先验期望。该方法可以自动从数据中提取精确的模型，并且在合成数据和真实数据上提供比现有方法和其他非参数方法更准确的外样本预测。

    Apr, 2020

  • 智能机器时代的贝叶斯

    人工神经网络和贝叶斯推断是互补的建模方法，可用于理解涵盖不同层次的人类认知和训练在专有数据上的大型不透明人工神经网络的行为。

    Nov, 2023