Mar, 2014

层次狄利克雷缩放过程

PDF
TL;DR本研究介绍了一种名为层次狄利克雷缩放过程（HDSP）的 Bayesian 非参数混合成员模型，可以泛化层次狄利克雷过程（HDP），以模拟语料库中元数据和混合成分之间的相关结构。通过实验，表明 HDSP 产生的预测性能比其他几个模型更好。
hierarchical dirichlet scaling processbayesian nonparametric mixed membership modelmetadatascaling methodspredictive performance
发现论文，激发创造
  • 有监督的层次狄利克雷过程

    该研究提出了一种用于回归问题的监督层次狄利克雷过程模型（sHDP），并与另一种流行的回归模型进行了比较和评估，结果表明该模型适用于实际分类与回归问题中的数据集，并能够通过数据结构和标签联合学习，构建一种可预测性的分类聚类。

    Dec, 2014

  • 一种针对层级狄利克雷过程的分裂 - 合并 MCMC 算法

    该研究介绍了一种针对文档群集的 Hierarchical Dirichlet process (HDP) 模型，描述了一种新的 split-merge MCMC 采样算法用于后验推断，这种算法可以显著改善传统的 Gibbs 采样，并且给出了一些因数据属性而导致的改进理解。

    Jan, 2012

  • 嵌套层级狄利克雷过程

    本文提出了一种新的嵌套层次狄利克雷过程（nHDP）用于层次主题建模，并且演示了如何使用随机变分推断算法以及贪心子树选择方法来有效地处理来自《纽约时报》和维基百科等海量文本文档。

    Oct, 2012

  • HDP 的实用化折叠随机变分推断

    本研究探索了一种基于随机变分贝叶斯推断的层次狄利克雷过程主题模型的折叠式推断方法，该算法易于实现并考虑了超参数的推断，实验结果显示在预测性能方面有很好的提升。

    Dec, 2013

  • 基于分层狄利克雷过程的分布鲁棒优化中的力量借助

    该论文介绍了一种新颖的优化框架，用于解决现代机器学习应用中的关键挑战：高维度、分布不确定性和数据异质性。该方法通过使用分层狄利克雷过程（HDP）先验，有效处理多源数据，实现正则化、分布鲁棒性，并在不同但相关的数据生成过程之间共享强度。通过建立基于狄利克雷过程（DP）理论的理论性能保证和可处理的蒙特卡洛近似，我们展示了该方法的优势。数值实验证实了该框架在改善和稳定预测和参数估计精度方面的功效，展示了它在复杂数据环境中的应用潜力。

    May, 2024

  • 贝叶斯非参数隐马尔可夫半马尔可夫模型

    本文提出了显式时长的分层狄利克雷过程隐半马可夫模型（HDP-HSMM），并开发了采样算法用于有效的后验推断，这个方法不仅可以为有限的贝叶斯 HSMM 提供新的采样方法，而且可以嵌入到更大的分层贝叶斯模型的采样器中，为贝叶斯推断提供另一种工具。

    Mar, 2012

  • Dirichlet 过程混合模型的快速搜索

    本文研究了用于密度估计的柏努利处理（DP）混合模型的计算问题，并提出了一种可用于大数据集的搜素算法。

    Jul, 2009

  • 离散无限逻辑正态分布

    本文介绍了离散无限逻辑正态分布（DILN）的概念及其在混合成员模型上的应用，并研究了其统计特性；同时将其应用于主题建模，并给出了一个变分推理算法，最后比较分析该模型在四种语料库上的性能，包括与分层狄利克雷过程（HDP）和相关主题模型（CTM）的比较以及针对大规模数据集的在线算法。

    Mar, 2011

  • 基于依赖关系的分层规范随机测度用于动态主题建模

    开发一种依赖分层规范随机测度的方法并将其应用于动态主题建模，该方法通过测度的底层泊松过程的叠加、子采样和点转移来形成依赖关系，使用的测度包括呈幂律特性的规范化广义伽玛过程，此外，实验表明，通过该方法的模型比以前模型的效果更好。

    Jun, 2012

  • 结构化时间序列的快速非参数聚类

    本研究结合贝叶斯非参数模型高斯过程和狄利克雷过程，创新性地在高斯过程的基础上引入结构化时间序列数据模型，以及加速新型的狄利克雷过程变分推理算法，可用于优化我们的方差逼近。生物时间序列应用实例中，我们的模型更好地捕获了数据的显著特征，提高了与现有生物分类的一致性，同时推理算法提供了 EM 变分推理的两倍速度。

    Jan, 2014