Feb, 2014

潜在树模型及其应用调查

PDF
TL;DR本文综述了一种称为潜在树模型的概率图模型，其通过树形结构和潜在变量的捕捉来解决数据分析中的困难，包括潜在结构发现、多维聚类和概率推断等。
发现论文，激发创造
  • 潜树分析

    该研究论文概述了关于潜在树分析的研究及其在聚类分析、主题检测和深度概率建模等机器学习领域中的应用。

    Oct, 2016

  • 学习潜在树图模型

    本文提出了两种一致且计算效率高的算法，用于学习最小化的潜在树图模型，并与其他现有方法进行了比较，所提出的算法在隐藏马尔可夫模型和星形图等各种潜在树图模型上进行了详尽的数值实验。

    Sep, 2010

  • 网络数据的无限潜在属性模型

    本文提出了一种基于层次贝叶斯模型的潜在变量模型，能更好地提取社交和生物学网络数据的结构关系并预测，相比只有一个层级的模型，本模型在预测性能上有显著的改进。

    Jun, 2012

  • DeepTree：利用情境潜变量建模树木

    本文引入了 DeepTree 方法，该方法利用深度神经网络对树木的生长规则进行建模，从而生成各种形态的树木，同时展示了这种方法的有效性。

    May, 2023

  • 层次主题检测的潜在树模型

    我们提出了一种新颖的分层主题检测方法，使用层次潜在树模型来对文档进行聚类并检测主题，该模型使用二元变量来表示文档中单词的存在 / 缺失，并利用树形结构建模主题和单词之间的关系，因此不需要引用文档生成过程，有助于发现有意义的主题和主题层次结构。

    May, 2016

  • 多元潜变树结构的频谱方法学习

    该研究考虑了多元线性树模型的结构学习问题，引入了一种基于谱递归分组算法的底层向上过程以从观察到的变量的独立样本中恢复树结构，并给出了确切恢复树结构的有限样本大小界限，这些界限基于潜在联合分布的统计和结构属性，并且样本复杂度保证不依赖于观察变量维度，因此适用于许多高维设置。

    Jul, 2011

  • 非线性潜在层次模型的识别

    本文研究了非线性潜在变量的分层因果模型的识别问题，并证明在一些缓和的假设下，可以实现因果结构和潜在变量的可识别性。

    Jun, 2023

  • 潜在树语言模型

    本文介绍了潜在树语言模型（LTLM），该模型将给定句子的语法和语义编码为单词角色树。将 LTLM 与 4 元修改 Kneser-Ney 语言模型相结合，通过线性插值，在英语和捷克语语料库中的实验表明，与独立的 4 元修改 Kneser-Ney 语言模型相比，明显降低了困惑度（英语最高降低 46％，捷克语最高降低 49％）

    Jul, 2016

  • 潜变量动态网络模型综述

    本文回顾了动态网络的统计建模方法。我们重点介绍具有潜在变量的模型，特别是潜在空间模型和潜在类模型，旨在研究网络的观察特征和未观察结构。同时，我们还总结了这些动态模型在文献中研究的应用，并列出了数据来源。在此基础上，我们概括了动态网络建模中潜在变量存在的几个开放性问题和挑战。

    Nov, 2017

  • 图形建模中的结构学习

    本文回顾和讨论了一些关于图模型的进展，包括了无向图模型和有向图模型的估计方法，以及处理潜在变量和异构数据源的拓展。

    Jun, 2016