Mar, 2013
基于模型的机器视觉中的贝叶斯推断
Bayesian Inference in Model-Based Machine Vision
Thomas O. Binford, Tod S. Levitt, Wallace B. Mann
TL;DR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。
Abstract
This is a preliminary version of visual interpretation integrating multiple
sensors in SUCCESSOR, an intelligent, model-based vision system. We pursue a
thorough integration of hierarchical →
发现论文，激发创造
空间环境下的近似贝叶斯推理
该论文介绍了一种基于模型的方法，利用概率推理和深度生成模型的方法，解决在空间环境中的定位、绘图、导航或自主探索等问题，并能够灵活地从数据中学习。该方法在两个不同的模拟环境中表现出了与专业最新方法相当的性能。
May, 2018
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
走向贝叶斯深度学习：框架与一些现有方法
介绍了一种称为贝叶斯深度学习的统一框架，将深度学习和贝叶斯模型紧密融合，以提高高层次推理的性能并增强深度学习的感知能力。讨论了它在推荐系统、主题模型和控制等领域的应用，以及与贝叶斯神经网络的关系和区别。
Aug, 2016
贝叶斯深度学习调查
综合人工智能系统需要不仅能够用不同的 ` 感官 '（例如视觉和听觉）感知环境，还需要推断世界的条件（甚至因果）关系及其对应的不确定性。本文综述了贝叶斯深度学习的基本原理及其在推荐系统、主题模型和控制等领域的应用，讨论了贝叶斯深度学习与神经网络等其他相关主题之间的关系和差异。
Apr, 2016
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
机器学习与贝叶斯计算的未来
概述：本文使用贝叶斯模型解决了复杂数据的建模问题，提出了通过机器学习的方法来改善后验计算的潜力，并探讨了正则化流、贝叶斯核平衡、分布式贝叶斯推理和变分推理等未来的具体发展方向。
Apr, 2023