bayesian paradigm | BriefGPT

关键词bayesian paradigm

搜索结果 - 10

高斯过程预测与蒙特卡洛采样的融合
本文介绍了应用于科学和工程领域的模型，利用贝叶斯范式和高斯过程生成概率密度函数（pdfs），通过蒙特卡洛抽样来集成这些 pdfs，并通过线性和对数线性汇集方法介绍了对预测 pdfs 的输入相关权重的确定方法，使用合成数据集验证了这些方法的性
PDF4 months ago
不变性学习的最后一层边缘似然
本研究通过设计自定义的优化程序，提出一种新的较低的边缘似然下限，部分成功地在标准基准测试、低数据范围和医学图像数据集上进行了推理，但在 CIFAR10 数据集上表现出失败模式，该研究表明，当更复杂的逼近方法可用时，边缘似然是神经网络中不变性
PDF3 years ago
基于量化 Langevin 随机动力学的贝叶斯联邦学习
本文讨论了在联邦学习框架下，通过提出一种新的联邦马尔科夫链蒙特卡罗算法（Quantised Langevin Stochastic Dynamics），并结合梯度压缩和方差缩减技术，优化了性能。给出了该算法的收敛性保证并应用于多种贝叶斯联邦
PDF3 years ago
重要性抽样的进展
本文介绍了 Monte Carlo 技术中的 Importance Sampling 算法及其应用，重点探讨了多重 IS 和自适应 IS 这两种先进的 IS 变体。
PDF3 years ago
基于合成数据的贝叶斯学习基础
研究了在受到隐私或可用性限制的环境中，人工合成数据作为机器学习的工具的发展与应用，使用贝叶斯范式来描述学习过程中模型参数的更新，提出了一个基于决策理论的基于贝叶斯合成学习的新方法，比传统方法在不同的监督学习和推理问题中表现更出色。
PDF4 years ago
ICML基于子网络推断的贝叶斯深度学习
本文介绍一种基于子网络推断框架和线性 Laplace 逼近的贝叶斯深度学习方法，用于提高深度神经网络的预测精度和有效性。在子网络中推断出如此表达力强大的后验逼近，该方法得以比全网络的后验逼近和 Ensembles 方法实现更好的效果。
PDF4 years ago
Fisher 信息教程
本文讲述了在统计学及数学心理学的多个应用中，Fisher 信息量扮演着重要的角色，并阐明了在三个统计学范式中 Fisher 信息的不同应用：第一，在频率学派范式中，Fisher 信息被用来建立假设检验和置信区间，使用最大似然估计量；第二，在
PDF7 years ago
通过贝叶斯分析比较多个分类器的教程：是时候改变了
该研究证明了经典的 “空假设显著性检验” 在机器学习领域的不足，提出应该转向贝叶斯统计的方法来更好地分析机器学习结果。
PDF8 years ago
优化收缩的 Dirichlet-Laplace 先验
通过引入一类新的 Dirichlet-Laplace 先验，文章探讨在 Bayesian 范例下连续收缩先验的特点及性质，并对使用该先验进行的后验计算进行了评估。
PDF10 years ago
自动模型比较：一种自适应顺序蒙特卡罗方法
使用序贯蒙特卡罗取样策略来刻画收集一系列模型以及这些模型的参数的后验分布，以及比较其它技术的性能表明，该方法在相等的计算代价和较少的特定应用类型的实施工作情况下总是竞争性的，并且往往比替代技术优越得多。
PDF11 years ago