data imputation | BriefGPT - AI 论文速递

关键词data imputation

搜索结果 - 35

AAAI迭代图重建进行的数据填充
本文提出了一种迭代图生成和重构框架用于缺失数据插补，引入了 “朋友网络” 概念以表示样本之间的不同关系，并通过端到端朋友网络重建解决在缺失数据情况下生成准确的朋友网络，实现了数据的不同信息传递。在 8 个基准数据集上的实验结果表明，相比其他
PDF2 years ago
缺失指示器法：从低维到高维
本文介绍了一种用于处理缺失数据的方法 ——Missing Indicator Method，该方法通过在特征矩阵中添加缺失模式指示变量来搭配数据的填充，能够提高模型性能，同时还针对高维数据可能出现的模型过拟合问题，提出了一种 SMIM 扩展
PDF2 years ago
EMNLPMM-Align: 基于最优输运的对齐动力学学习，以实现快速准确推断缺失模态序列
本文介绍一种名为 MM-Align 的新方法，利用最优传输理论中的对齐动力学学习模块和去噪训练算法，针对缺失多模态数据进行推断。通过在覆盖两个多模态任务的三个数据集上进行全面实验，结果表明我们的方法可以在各种缺失条件下执行更精确和更快的推断
PDF2 years ago
约束下的可解释数据插补
基于数据类型值和数据中的相关约束条件的数据插补新算法及其与其他算法的比较实验结果。该算法不仅可插补数据，还能生成人类可读的解释，描述用于每次插补的属性的重要性。
PDF2 years ago
从数据到函数：您的数据点是一个函数，您可以像对待函数一样对待它
本研究提出了一种深度学习函数的框架，探讨了如何对连续函数进行深度学习和挑战，并应用在包括图像、3D 形状、数据流形等不同数据模态上，具有很强的生成建模、数据填充、新视点合成和分类能力。
PDF2 years ago
CVPR通过神经网络和稀疏编码同时训练来学习不完整特征
该研究解决了在有不完整的特征数据集的情况下训练分类器的问题，开发了一种新的有监督学习方法，在假设数据矢量在未知字典上是稀疏表示的条件下，使用每个样本的特征子集来训练一个通用分类器，并且通过提出的充分条件，该方法在人工和公开数据集上验证其理论
PDF4 years ago
AAAI使用分层聚类和分裂神经网络实现对缺失特征的鲁棒性
本文提出了一种简单而有效的方法，使用层次聚类将相似的输入特征聚类在一起，并使用联合损失训练比例分割神经网络，从而解决机器学习和统计数据分析中缺失数据的问题。作者在基准数据集上进行了评估，展示了即使使用简单插补技术也可以取得有希望的改进，这得
PDF4 years ago
深度局部多视角学习
提出跨部分多视角网络（CPM-Nets）框架，通过模拟数据传输实现多视角表征的完整性，并通过对抗策略稳定地翻译丢失视图的代价与补充性进行结构化编码，进一步增强数据的完整性，同时引入非参数分类损失，以防止过度拟合。全面实验证明了该算法在分级识
PDF4 years ago
EMNLPTeMP：时间知识图谱补全的时间消息传递
提出了 Temporal Message Passing (TeMP) 框架，通过结合图神经网络、时间动力学模型、数据填充和基于频率的门控技术来解决时态知识图中缺失事实的问题，实验表明我们的方法相较于现有的方法提高了 10.7％的平均相对精
PDF4 years ago
ICML在缺乏已知真相的情况下预测特征的可辨识性
本文提出了一种通过基于主成分分析的方法来确定是否可以准确地填充缺失值的特征填写能力，该方法可以在极端缺失和缺乏基础真相的情况下建立主成分载荷和特征填补能力之间的强线性关系。
PDF4 years ago
纵向变分自编码器
该研究提出了一种称为长期 VAE（L-VAE）的方法，通过使用多输出加性高斯过程（GP）先验来扩展 VAE 的能力，从而实现在辅助协变量信息的约束下学习结构化低维表示，以及导出了一种新的 KL 离散度上界。该方法可以同时适应时间变化的共享
PDF4 years ago
ICML缺失数据下的 VAEs
开发了一种新颖的潜在变量模型，通过生成缺失数据的损坏过程对处理缺失数据集进行了模糊处理，并推导出相应的易于实现、可处理可随机缺失和不随机缺失数据、适用于高维输入、VAE 编码器和解码器原则性访问指标变量以确定数据元素是否缺失的可跟踪证据下限
PDF4 years ago
生成式部分多视图聚类
本研究提出 GP-MVC 模型，通过生成缺失视图的数据来解决不完整的多视角聚类问题，使用多视角编码器网络和生成对抗网络学习共享表示和生成缺失数据，并利用加权自适应融合方案来利用不同视图的互补信息。通过实验证明，该方法在四个基准数据集上优于现
PDF4 years ago
GP-VAE：深度概率时间序列插值
本文提出一种新的深度顺序潜变量模型，通过高斯过程在时间上平滑演化的抽象低维表示来实现缺失数据的非线性降维和数据插值，旨在解决在医疗和金融等领域中常见的缺失数据问题。我们的方法优于传统的和基于深度学习的数据插值方法，并提供可解释的不确定性估计
PDF5 years ago
NIPS数据生成的序贯决策
本文探讨了一种基于顺序决策的生成模型及其在数据填充方面的应用，利用神经网络和引导策略搜索算法训练模型，在多个数据集上取得了有效结果。
PDF9 years ago