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
本文研究了关于基于数据学习因果模型的结构学习算法,比较了它们在不同场景下的实验性能表现。
Jun, 2017
本文系统地概述了图神经网络在医疗保健领域中的应用,包括功能连接、解剖结构和基于电信号的分析,并讨论现有技术的局限性和未来研究的方向。
May, 2021
本文介绍了一个基于高斯图模型和谱图理论的统一图学习框架,通过对图矩阵的谱约束实现了特定结构的图形式化,提出的算法具有收敛性,计算高效,在合成和真实数据集上的实验表明了其有效性。
Apr, 2019
利用结构性错误模型的学习和数据同化技术来建模复杂动力系统中的未解决特征是一种有效的方法,其中闭合模型对未解决的尺度进行建模,通过学习结构性错误来改进模型,并演示了两个数值示例来说明其概念和算法。
Dec, 2023
本文介绍一种在高斯图形模型中提取结构变化的有效学习策略,运用基于 l1 正则化的凸优化解决该问题,并通过块坐标下降算法实现该策略。在此基础上,我们将其应用于不同条件下的基因调控网络模拟,并获得了有前途但切合生物学的结果。
Mar, 2012
研究学习因果有向无环图从观察到的联合分布,探索一种基于结构方程模型的可识别因果图的替代方法,并提供针对有限样本的实用算法和实证研究。
Sep, 2013
糖尿病的结构学习算法和因果路径的研究,通过转化输出图为因果贝叶斯网络,从一个多样的结构学习算法集合中获得独特的糖尿病因果模型,为医疗专业人员提供对相关风险因素与假设干预效果之间的交互作用的全面理解,以制定高效的干预和风险管理策略。
Mar, 2024
本文提出使用基于图的神经网络模型实现化学制程中的故障诊断,在训练过程中构建图并使用不同的邻接矩阵来捕捉不同传感器数据之间的相关性和隐藏关系。研究表明该方法的性能优于传统的循环神经网络。
Oct, 2022
研究了机器学习模型在数据驱动的优化问题中的应用以及引入的函数图模型对数据驱动优化的理论支持和实践方法。
Jan, 2024