关键词conditional probability distributions
搜索结果 - 8
- 大型语言模型中产生的有向度量结构
大型语言模型是基于 Transformer 的神经网络，通过训练来产生给定文本上可能的下一个词的概率分布，本文通过观察 - log 概率来定义了一个度量结构，并构建了一个度量多面体和一个保距嵌入，以使文本映射到特定的极端光线生成器，进一步证 - MD-NOMAD: 混合密度非线性流形解码器用于模拟随机微分方程和不确定性传播
我们提出了一种神经算子框架，称为混合密度非线性流形解码器（MD-NOMAD），用于随机模拟器。我们的方法利用了点对点算子学习神经结构非线性流形解码器（NOMAD）与基于混合密度的方法的融合，用于估计随机输出函数的条件概率分布。MD-NOMA - 提取各个变量的信息以进行解耦、直接互信息和多特征 Granger 因果关系分析
多个变量间的可逆归一化和独立性，基于复杂有条件概率分布的详细模型，讨论了直接相互信息传递和因果关系方向的多要素格兰杰因果关系分析方法。
- 基于分数扩散模型的条件图像生成
本文研究使用基于得分的扩散模型进行深层生成建模的方法，系统比较和理论分析不同方法学习条件概率分布的效果，并证明得出条件得分最成功的估计器的理论依据。同时，介绍了多速度扩散框架，提出了一个新的条件分数估计器，与之前的最先进方法相当。伴随着本文 - 面部表情数据集偏差的深入研究
本研究利用深度学习技术中的情感条件适应网络（ECAN），通过权值重新分配参数解决了表情类别分布偏差问题，并同时匹配了不同领域的边缘和条件概率分布，大幅提高了面部表情转换任务的效果。
- NIPS用于因果检测的条件分布变异性测量
本文推导了一对随机变量的条件概率分布的可变性度量，并研究了它在因果关系推断中的应用，结合标准统计度量在 ChaLearn 因果关系配对挑战中得到了 0.82 的 AUC 分数，在该挑战中排名第二。
- 条件受限玻尔兹曼机的几何与表现力
本研究讨论了有关有向随机神经网络中条件概率分布的表示能力，证明了其可以用于表示条件马尔可夫随机场和带有限制支持的条件分布，研究了通用逼近器的最小尺寸、最大模型逼近误差以及可表示的条件分布集合的维数等等。我们贡献了新的工具，改进了现有有关有限 - 关系贝叶斯网络
使用贝叶斯网络代替以前用于表示多个随机事件概率关系的知识库，它使用一种强大的方式来指定条件概率分布，提供等事件约束和复杂嵌套组合函数。