关键词assumed density filtering
搜索结果 - 4
- 用速率失真框架解释神经网络决策
本文将神经网络决策解释为速率失真框架下的显式优化问题，并探讨了寻找小的相关特征集的计算复杂性，发展了一种基于密度过滤的启发式解决策略，并在两个图像分类数据集上进行了数字实验，特别是在神经网络决策的稀疏解释方面，优于现有方法。
- CVPR轻量级概率深度网络
本文介绍了两种轻量级的方法，使具有概率性的深层网络的监督学习变得实用，首先，我们建议使用分类和回归的概率性输出层，其对现有网络只需进行最小的更改，其次，我们使用假设密度过滤（assumed density filtering）并展示如何将激 - AAAI组合拍卖的贝叶斯清算机制
本文基于贝叶斯框架，提出了一种组合拍卖设计方法，采用生成模型和估计最大后验概率算法，通过多次拍卖迭代过程实现过程收敛。实验结果表明，该方法在收敛迭代次数方面比组合时钟拍卖机制更具有竞争力。
- IJCAI假设密度过滤 Q 学习
本文提出了一种新的基于 Bayesian 思想的离线 TD 学习方法 ADFQ，采用在线贝叶斯推断方法 Assumed Density Filtering 更新对状态 - 动作值（Q 值）的信念，并通过神经网络进行扩展，实验结果表明 ADF