关键词bayesian nonparametric approach
搜索结果 - 6
- 在线 A/B 测试中未来用户活动的改进预测
在线随机实验和 A/B 测试中，参与者包含率的准确预测是至关重要的，本文提出了一种新颖、直接且可扩展的贝叶斯非参数方法，用于预测在线 A/B 测试中个体接受干预的比率，并展示了其在实验和模拟数据上相对于现有方法的卓越性能。
- 一种非参数贝叶斯方法用于在线活动预测
通过贝叶斯非参数方法预测用户活跃数量及所需的时间轨迹，以实现实验规划和干预效果的准确预测。
- 网络人群的非参数贝叶斯建模
探讨了一种基于贝叶斯非参数方法的连接组学模型，通过混合模型降低维度并在每个混合组件中高效地整合网络信息，提高了对网络值随机变量概率质量函数的推断灵活性。
- 通过 Beta 过程联合建模多个相关时间序列
该研究提出了使用贝叶斯非参数方法在多个相关时间序列的联合建模问题上的解决方案，其中使用了潜在的共享动态行为发现方法，提出了一种基于 Beta 过程先验的高效 Markov chain Monte Carlo 方法，并利用 birth 和 d - 组合聚类与贝塔负二项式过程
本文提出了一种贝叶斯非参数方法来解决多重潜在类别问题，介绍了负二项式过程作为适用于此类问题的无限维先验，并研究了基于其的后验分布及其层次化模型。通过实验，使用了分割、识别和分析领域的后验推断的 MCMC 算法。
- 粘性 HDP-HMM 及其在说话人分离中的应用
采用贝叶斯非参数方法，利用层次狄利克雷过程隐马尔可夫模型（HDP-HMM）解决会议音频数据的说话人分离问题，提出了增强的 HDP-HMM 模型以控制状态切换速率和实现发射分布的非参数处理，以及利用 Dirichlet 过程的截断逼近提高混合