AAAIJan, 2020
抬升的混合变分推断
Lifted Hybrid Variational Inference
Yuqiao Chen, Yibo Yang, Sriraam Natarajan, Nicholas Ruozzi
TL;DR本文研究了适用于混合域的近似变分方法及其对称性,展示了这些方法较现有的基于信息传递的方法更具有可伸缩性和优越性能,并提出了 Bethe 近似在建模多样本方面的一个充分条件。
Abstract
A variety of lifted inference algorithms, which exploit model symmetry to
reduce computational cost, have been proposed to render inference tractable in
probabilistic relational models. Most existing
lifted inference algorithmsprobabilistic relational modelsvariational approacheshybrid domainsbethe approximation
发现论文,激发创造
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
变分推断的进展
本文综述了变分推断中的最新趋势,介绍了标准的均值场变分推断,然后回顾了最近的进展,包括可扩展的 VI,通用的 VI,准确的 VI 以及摊余的 VI,并提供有关未来研究方向的总结。
Nov, 2017
使用变分推断的半监督随机多领域学习
该研究提出了一种基于潜变量模型的多领域学习系统方法,可用于提取重要的领域信号,并在对抗性学习等方法中,相对于其他对比基准领域适应方法,显著提升了性能。
Jun, 2019
分布式变分推断在在线监督学习中的应用
开发智能传感器网络推理问题的高效解决方案对于下一代位置、跟踪和地图服务至关重要。本文开发了一种适用于连续变量、难以处理的后验概率和大规模实时数据的可扩展分布式概率推理算法。
Sep, 2023
更贝叶斯:具有不确定性的领域不变学习
本文提出了一种基于概率框架和可分变贝叶斯推理的方法,将不确定性引入神经网络权重来处理由于目标域数据不可访问引起的域移位和不确定性挑战。实验结果表明,该方法在四个广泛使用的交叉域视觉识别基准测试中始终提供最先进的平均准确性。
May, 2021
Bethe 投影用于非局部推理
本文提出了一种方法,通过非欧几里得的投影梯度下降,并使用 Bethe 熵作为距离产生函数,以捕获强大的潜在变量的非局部统计信息,同时维持可钦定的快速推理性能,以判别地学习广泛的推理目标,并将该方法应用于结构化引用提取、手写识别和集体图模型中。
Mar, 2015