Sep, 2023

描绘工业资源变动中的用户转移：一种贝叶斯非参数方法

PDF
TL;DR在众多工业领域中，优化资源管理并满足用户需求是一个关键目标。该研究揭示了用户群集的存在，捕捉了资源变化中的宏观级别的用户转移模式。我们提出了 CLUSTER，一种可解释的层次贝叶斯非参数模型，能够自动识别群集，并因此预测用户在资源变化下的转移。此外，CLUSTER 还可以为进一步可靠的决策提供不确定性量化。我们的方法能够独立于个人身份信息，实现隐私保护。在通信行业的模拟和真实数据实验中，我们发现在各种资源管理场景下，预测结果与经验观察之间存在明显的一致性。这项研究为推进资源管理策略的发展奠定了坚实的基础。
resource managementuser clusterstransfer patternsbayesian nonparametric modelresource variation
发现论文，激发创造
  • 面向深度工业迁移学习的聚类算法：迁移案例选择

    本文介绍了一种基于 BIRCH 聚类算法的传输案例选择机制，通过对聚类算法的调查，可以得出这种选择机制可以在不考虑顺序、大小和数据集的维数的前提下，提高传输结果的适用性，并在一个离散制造场景的工业时间序列数据集上进行了评估。

    Apr, 2022

  • 云计算中的不确定性意识工作负载预测

    本文使用贝叶斯深度学习模型预测未来云计算资源需求的分布和不确定性，并通过多组数据集进行不同的预训练和微调，比较单变量和双变量模型的精确度和对 QoS 的影响，并检验了模型的迁移学习能力和在真实环境中的可部署性。

    Feb, 2023

  • 贝叶斯非参数众包

    本研究旨在提出两种基于中华餐厅过程 (CRP) 先验概率和分层结构的全新无监督模型，以更好地处理众包数据标注中用户注释的质量问题，并利用 Gibbs 采样的高效推理算法对其进行实验验证。

    Jul, 2014

  • 一种基于合作贝叶斯非参数框架的认知无线电网络主用户活动监测方法

    本文提出了一种新的方法，旨在使多个认知无线电设备协作、使用贝叶斯非参数技术来估计原始用户的活动分布，进而通过形成联盟来优化算法性能，并得到了较高的准确性和性能优越性。

    Feb, 2012

  • 人群健康管理中信息转移价值的量化

    这篇论文介绍了一种基于仿真结构群体的传输策略决策过程，用于解决结构健康监测中的分类问题，并支持领域适应，通过计算信息传输的预期价值来预测目标领域的分类性能。

    Nov, 2023

  • 最优贝叶斯迁移学习

    本研究提出了一种贝叶斯迁移学习框架，该框架利用源域和目标域之间的联合先验密度，定义高斯特征 - 标签分布的精度矩阵的联合 Wishart 密度作为一种转移有用信息的桥梁，提高了目标区域的分类性能。该方法是一种快速、基于闭式形式的最优贝叶斯迁移学习分类器，实验证明了其性能优于其他最先进的迁移学习和域适应方法。

    Jan, 2018

  • 交互式贝叶斯分层聚类

    本文提出了一种交互式贝叶斯算法，该算法将用户交互纳入层次聚类中，同时利用数据的几何形状通过对层次结构上的有约束的后验分布进行采样，提出了几种智能查询方式。该算法以及查询方案在真实数据上表现出了良好的结果。

    Feb, 2016

  • 一种非参数贝叶斯聚类的新型先验过程

    研究 Bayesian 聚类中先验分布的作用和 Dirichlet、Pitman-Yor 等常用先验分布的预测概率，探索了非参数化 Bayesian 聚类中的另一种先验分布 —— uniform process 的优点和缺陷，并在真实文档聚类任务中进行性能比较。

    Jan, 2008

  • 我知道你会回来：可解释的移动社交应用新用户聚类和流失预测

    利用 Snapchat 的实际数据为例，本文提出了一种名为 ClusChurn 的两阶段系统框架，通过用户聚类来预测用户流失，结果表明该框架在预测用户流失方面取得了最先进的性能。

    Sep, 2019

  • 贝叶斯模型选择的变点检测和聚类

    本文提出了一种基于非参数化惩罚最小二乘模型选择的算法来近似解决估计分段常量信号以检测其变化点和群集水平的新问题，并对其准确性进行了统计分析和实验验证。

    Dec, 2019