关键词deep probabilistic models
搜索结果 - 4
- 具有深度概率优化的超分辨率多对比度无偏眼部图谱
通过超分辨率预处理和深度概率模型，我们解决了创建眼睛的高分辨率无偏眼部图谱的挑战，以服务于一个高度可变的人群。
- ICML使用深度生成森林进行鲁棒分类
本文介绍了一种新的深度概率模型，叫作 “生成森林”，这种模型将随机森林扩展到了生成模型，可以表示整个特征空间上的联合分布，解决了判别模型缺乏处理预测不确定性方法的问题，并且可以测量每个预测的稳健性和检测分布外的样本。
- ICML变分贝叶斯量化
我们提出了一种新颖的算法来量化训练模型中的连续潜在表达式，该算法适用于深度概率模型，可以实现数据和模型压缩，并且可以基于后验不确定性使用自适应量化精度来实现可变的码率失真折衷，实验证明了所提出的算法的有效性。
- 深层概率模型动力约束
本研究提出了一种新颖的深度概率模型的生成式公式，该公式实现了对其函数动态的 “软” 约束。通过随机变分推断建模的函数及其给定阶数的导数受到不等式或等式约束，进而表征模型和约束参数的后验分布，使得所提出的方法可以准确可伸缩地量化预测和所有参数