Dec, 2017

有限字母随机向量的张量、学习和 Kolmogorov 扩展

PDF
TL;DR本文介绍了一种使用多线性代数方法实现关键点之间联合概率质量函数估计的方法，并给出了用于实现复杂度有限的高维概率的完整特征的证明和几个相关的可识别性结果。
joint pmfstructural modelmultilinear algebraidentifiabilitydata classification
发现论文，激发创造
  • 可验证张量方法用于学习广义线性模型混合

    本文提出了通过张量分解方法学习广义线性模型的混合模型参数的方法，通过对输入进行特征转换以及使用得分函数张量和响应变量的交叉相关计算可以得到正确的参数估计，且其计算和样本复杂度是输入和潜在维度的低阶多项式。

    Dec, 2014

  • 利用高斯过程将侧面信息纳入概率矩阵分解

    通过高斯过程先验相结合，用函数替代标量潜在特征，以实现信息的融合处理，从而成功地预测了与篮球比赛结果相关的比赛地点和日期等侧面信息。

    Mar, 2010

  • 核随机矩阵的光谱

    在高维统计推断中，通过分析核随机矩阵的谱，发现在某些模型情况下，非线性主成分分析的问题本质上是线性问题，这与现有的一些启发式方法不符。同时，该研究还凸显了随机矩阵理论中广泛研究的某些奇异性，并对其在实际高维数据建模工具中的相关性提出了一些问题。

    Jan, 2010

  • 先验组件数量的混合模型

    使用 Dirichlet 过程混合（DPM）模型可用于推断基因表达数据，同时也可以直接应用于混合的有限混合模型（MFM）中，具有类似的数学性质。

    Feb, 2015

  • 吸引高斯马尔可夫随机场的正定 M - 矩阵估计和结构学习

    该研究探讨了使用符号约束对数行列式差异最小化估计 M 矩阵的方法，提供了基于块坐标下降的算法解决此问题，并给出了模拟和实际数据的说明。

    Apr, 2014

  • 金融资产之间极值依赖的截面学习

    本文提出一种新颖的概率模型，用于学习多元金融资产的尾部依赖，其方法可以构建新的随机向量，并且相较于常见的方法，具有更灵活、直观、易于追踪和简单抽样等优势，结合 GARCH 模型进行预测和检验，发现资产收益率的尾部具有不对称性，对此进行了初步研究。

    May, 2019

  • 用低秩张量分解、Radon 变换和字典估计联合概率分布

    本文提出了一种从 1-D 边际概率密度中估计联合概率密度的方法，使用字典表示 1-D 密度和随机投影来估计联合分布，比先前基于字典的方法具有更好的样本复杂度。通过使用 1-D 边缘值进行重构，我们在估计合成概率密度方面优于先前的字典方法和高斯混合模型 (GMMs)。

    Apr, 2023

  • 有限混合物的广义混合和望远抽样

    本研究探讨了基于贝叶斯框架的有限混合模型，提出了一种新的无需使用可逆跳转 MCMC 方法的先验分布和后验推断方法，即放缩采样器，并在多个数据集上进行了模型验证。

    May, 2020

  • 可扩展估计非参数马尔可夫网络的广义精度矩阵

    使用广义精度矩阵（GPM），在所有数据类型（即连续、离散和混合类型）中表征了条件独立结构，提出了一种 Markov 网络结构学习算法，在处理大型图形时使用正则化评分匹配框架来统一所有情况。

    May, 2023

  • 互信息的分布

    本文提供了关于贝叶斯网中互信息的先验分布、后验分布以及互信息分布的计算方法，以及这些方法的可靠快速的近似。

    Dec, 2001