ICMLJul, 2017

具有分层功率先验的数据流贝叶斯模型

PDF
TL;DR本文提出了一种贝叶斯方法来处理数据流中连续模型更新和适应底层数据生成分布的漂移问题，使用非共轭分层先验来显式地建模模型参数的时间变化，并导出了一种新的变分推断方案，验证实验表明这种方法在三个潜变量模型的三个真实数据集上具有良好的效果。
data streamscontinuous model updatingbayesian perspectivehierarchical priorsvariational inference
发现论文，激发创造
  • 面向贝叶斯非参数模型的流式分布式变分推断

    提出了一种用于创建基于贝叶斯非参数模型的流式分布式推理算法的方法，其中处理节点接收数据小批量序列，为每个小批量计算变分后验，并对中央模型进行异步流式更新。

    Oct, 2015

  • 相关计数时间序列分组的有效贝叶斯建模

    本文介绍了一种适用于计数时间序列数据的分层贝叶斯模型，能够轻松地考虑影响因素和在相关的时间序列数据组之间共享统计信息，并提出了一种高效的近似推理方法，并在供应链规划的多个数据集上进行了性能测试。

    May, 2014

  • 分层自适应遗忘变分滤波器

    该论文介绍了一种基于层级贝叶斯算法的机器学习和统计问题的解决方法，并讨论了这种算法在 RL 等方面的应用。

    May, 2018

  • 流式变分贝叶斯

    SDA-Bayes 是一个用于贝叶斯后验概率的流式、分布式、异步计算的框架，它通过一个用户指定的近似批处理原语对概率后验进行流式更新，使用隐含狄利克雷分配模型对两个大规模文档集合进行了拟合，证明了其优于随机变分推理 (SVI) 的特点。

    Jul, 2013

  • 完全随机测量的后验分布、共轭性和指数族

    该论文介绍了如何计算广义 CRM 先验和 Bayesian 非参数模型的似然后验，并且提出了利用大小偏置方法和有限边际方法来表示 Bayesian 非参数先验和模型的方法。

    Oct, 2014

  • 通过简化粗糙化方法实现稳健的贝叶斯推断

    本文提出了一种改进的贝叶斯推断方法，可以通过条件数据的经验分布邻域而不是实际数据，提高模型对扰动的鲁棒性；该方法使用基于相对熵估计的邻域，通过将似然函数提升到分数次幂（即 tempering），使得可以使用标准方法实现推断，甚至在使用共轭先验时也能获得解析解。实验结果表明，在混合模型、未知阶数自回归模型及线性回归变量选择等任务中都能得到良好表现。

    Jun, 2015

  • 通过 Beta 过程联合建模多个相关时间序列

    该研究提出了使用贝叶斯非参数方法在多个相关时间序列的联合建模问题上的解决方案，其中使用了潜在的共享动态行为发现方法，提出了一种基于 Beta 过程先验的高效 Markov chain Monte Carlo 方法，并利用 birth 和 death proposals 方法探究新的动态行为，最终实现了对于视频运动捕捉数据的无监督分割，并在一些合成数据集中获得了良好的结果。

    Nov, 2011

  • 辅助形式下基于快速梯度的连续潜变量模型推断

    通过表达隐变量的辅助形式，增加贝叶斯网络中多层连续隐变量梯度推断和学习的效率，提高混合蒙特卡罗和梯度优化的速度。

    Jun, 2013

  • 双重稳健贝叶斯推断在具有 $β$- 散度的非平稳数据流中的应用

    该论文首次提出了具备线性时间和常数空间复杂度的鲁棒性贝叶斯在线变点检测算法，通过结构变分近似使 GBI 可扩展，并提供了一种选择差异参数 β 的原则方法，从而降低变点的误发现率。

    Jun, 2018

  • 自动编码变分贝叶斯

    本文介绍了一种基于随机变分推理 (Variational Inference) 的学习算法，可以为存在潜变量的、具有难以处理的后验分布的连续概率模型提供有效的推理和学习方法，特别是在大型数据集下具有较好的表现，且已经在实验上得到了验证。

    Dec, 2013