Feb, 2024
基于 Transformer 的统计参数估计
Transformer-based Parameter Estimation in Statistics
Xiaoxin Yin, David S. Yin
TL;DR基于 Transformer 的方法在参数估计中能够无需数学推导、密闭解、或概率密度函数,仅需单次推断即可根据样本观测值估计潜在分布的参数,与最大似然估计相比在常用分布上达到更高的精确度。
Abstract
parameter estimation is one of the most important tasks in statistics, and is
key to helping people understand the distribution behind a sample of
observations. Traditionally →
发现论文,激发创造
一种贝叶斯方法用于使用计算密集模型进行参数估计和预测
本研究提出了一种基于贝叶斯模型校准的方法,通过统计公式将计算模型的输出与物理测量结果结合,从而进行推理,并估算了原子核的质量参数。
Jul, 2014
贝叶斯 Transformer 语言模型在语音识别中的应用
使用贝叶斯学习框架和变分推断优化,提高了 Transformer 神经语言模型的泛化性能和模型鲁棒性。在 Switchboard 语料库和 DementiaBank 中的实验都获得了明显的性能提升。
Feb, 2021
基于变压器的贝叶斯机器学习模型语义计量
通过计算概率模型和观测变量的后验分布,Bayesian 机器学习方法越来越多地采用概率编程方式表达,本文提出采用一种核心函数演算对其进行基础支撑,其中包含采样先验分布和观测变量的原语,支持离散、连续和混合测度,最终通过小型命令式语言编译成因子图的计算形式,实现了大规模模型的高效率后验边缘分布推理。
Aug, 2013
基于卡尔曼滤波器和平滑器的非线性动态系统参数估计
研究用于非线性状态空间模型的近似极大似然参数估计,讨论了直接最大化似然和 EM 算法,使用 sigma 点来近似所需积分的高斯滤波和平滑算法,比较了不同阶的 unscented 变换以及高斯 - 埃尔米特积分规则得出的方法在两个模拟实验中的表现
Apr, 2015
基于 Transformer 的端到端符号回归
本文提出了一种挑战基于遗传编程的符号回归任务的两步法的新方法,利用 Transformer 直接预测包括常数在内的完整的数学表达式,并通过给非凸优化器提供信息化的初始化对预测的常数进行细化,实验表明该方法的效果更好,在 SRBench 基准问题上的表现接近最先进的基因编程方法,并且推断速度要快数个数量级。
Apr, 2022