关键词bayesian nonparametrics
搜索结果 - 11
- 关联记忆与概率建模的桥梁
通过观察到关联记忆的能量函数可以被看作是概率建模的负对数似然函数，我们建立了一个桥梁，使得这两者之间的有益思想可以互相流动。在这项工作中，我们提出了基于能量的模型以适应新的上下文数据集，提出了两种新的关联记忆模型，通过关联记忆的工具，我们系 - 层次变分混合模型用于学习动力学概率反演
这篇论文介绍了一种层级建模范式，结合了概率回归模型和贝叶斯非参数方法，采用了一种逼近非线性函数的局部回归技术，提出了两种有效的变分推理技术来学习这些模型，此方法可适应数据并涵盖无限数量的组件，本文对大型逆动力学数据集进行了验证和测试。
- ICML贝叶斯非参数方法用于离线技能发现
本篇文章中，我们提出了一种基于离线学习的技能框架，并探索了贝叶斯非参数化与离线技能发现之间的未知联系，提出了一种无需指定技能数目的非参数化方法，结果表明该方法可以在各种环境下优于现有的离线技能学习算法。
- 生存聚类分析
本文介绍了一种基于贝叶斯非参数的方法，用于识别具有不同风险特征的子种群，并通过在群体层面上利用规律来优化个体预测的时间，进而提高预测性能和可解释性。
- ICML具有本地竞争的非参数贝叶斯深度网络
本文通过贝叶斯非参数的方法，重点研究了包含线性模块的深度神经网络，推导出在推理期间数据中的模型复杂性，通过引入辅助离散潜变量，推断出必需的连接或者本地竞争集合，以及存储网络参数所需要的浮点精度，并通过实验表明，该方法效果优于现有的前沿技术而 - ICLR棍子破裂变分自编码器
本文介绍并拓展了随机梯度变分贝叶斯算法，用于对杆状折断过程的权重进行后验推断并定义出杆状折断变分自编码器，其具有具有随机维度的潜在表示形式，我们进行了实验，证明了杆状折断变分自编码器和半监督算法能够学习高度具有鉴别性的潜在表示形式，并且通常 - 使用贝叶斯非参数混合模型实现高效的全局点云对准
本文提出了一种利用贝叶斯非参数方法描述点云和表面法线密度，利用分支定界优化恢复相对变换的点云对准的全新方法，采用 4D 四面体的旋转空间细分来提高优化效率，并在最后的实验中展示了该方法的高效性和对真实世界的鲁棒性。
- 最大间隔非参数潜在特征模型用于链路预测
本论文介绍了一种利用 max-margin learning 和 Bayesian nonparametrics 将判别性潜在特征和非参数潜在特征融合起来进行链接预测的方法，并提供了一种有效的 stochastic variational - 使用 MAD 贝叶斯方法对非正态样本的肿瘤异质性特征进行分配
提出一种基于小方差渐近逼近的层次模型贝叶斯非参数方法，用于推断肿瘤异质性的细胞子克隆情况，并成功地从高维基因组数据中恢复潜在结构，为生物学研究提供了一个有用的工具。
- 基于 Beta 过程的多个时间序列联合建模及其在动作捕捉分割中的应用
本文提出了一种贝叶斯非参数方法来联合建模多个相关时间序列，该模型可以发现一组隐含的动态行为，并将每个时间序列分段为由这些行为的一个子集定义的区域。使用 Beta 过程先验，通过数据推断了行为集的大小和共享模式，基于印度自助餐表示的 Beta - 贝叶斯非参数推断的线性动态系统转换
使用贝叶斯非参数方法，将层次狄利克雷过程先验应用于两种切换动态模型，学习未知的持续光滑动态模式，同时推断动态依赖性的稀疏集，以学习具有变化状态维数的切换线性动态系统或具有变化自回归顺序的切换 VAR 过程，最终通过舞蹈蜜蜂序列、IBOVES