dependency graph | BriefGPT

关键词dependency graph

搜索结果 - 10

动态潜在图引导的神经时态点过程
提出了一种新颖的变分自编码器来捕捉时间动态的混合，通过使用学习到的依赖图来预测未来事件时间和事件类型，在预测真实世界事件序列中表现出更高的准确性，相较于现有先进的神经点过程。
PDF6 months ago
自适应依赖学习图神经网络
通过将神经网络和统计结构学习模型相结合，我们提出了一种混合方法，通过从多变量数据中自主学习依赖关系并构建动态变化的依赖图，从而实现了在缺乏明确定义图的情况下利用图神经网络进行多变量预测。在真实世界的基准数据集上，我们的方法显著提高了性能。
PDF7 months ago
动作插值的随机自回归
提出了一种名为 “Shuffled AutoRegression” 的新框架，扩展了自回归以生成任意（洗牌）顺序并将任何帧之间的依赖关系建模为有向无环图，并提出了一种方法来构建特定类型的依赖图，该模型在单个起始帧到单个结束帧的插值任务和其他
PDFa year ago
ICLR稀疏奖励领域结构化探索的学习成就结构
提出了一种名为 SEA 的多阶段强化学习算法，用于处理内部包含成就的环境，首先使用离线数据学习已知成就的表示，然后通过启发式算法恢复学习成就的依赖关系图，并通过与该图交互来学习掌握已知成就并发掘新成就的策略，从而提高了高维度观察下的探索能力
PDFa year ago
DepGraph: 面向任意结构剪枝
本论文提出了一种名为依赖图的通用自动化结构剪枝方法，可以在各种不同的神经网络结构上实现性能提升。
PDFa year ago
ICML关联和预测：基于结构的预测与联合优化的神经 DAG
本研究提出了一个基于深度神经网络的框架，dGAP，通过同时学习神经依赖图和优化具有结构感知目标预测，来建立特征关系的模型，提高了预测的准确性，可以实现特征关系的解析，适用于多种数据集。
PDF3 years ago
并行随机优化的图神谕模型、下界和差距
本研究提出了一个基于 oracle 的通用框架，捕捉了由依赖图描述的不同并行随机优化设置，并推导出了与该图有关的通用下限。我们利用这个框架，针对几个特定的并行优化设置，包括延迟更新和间歇通信的并行处理，导出了下限。我们强调了 oracle
PDF6 years ago
使用混合依赖图进行缺失标签的多标签学习
本文研究了多标签学习中的标签缺失问题，针对这个问题提出了基于依赖图的两个凸传导公式来处理图像注释和基于标签的图像检索两种应用场景，并在多个基准数据集上进行了实验证明了本文所提方法在性能和缺失标签的鲁棒性方面显著优于现有方法。
PDF6 years ago
关于 Answer-Set 编程的 Clique-Width 与有向宽度测量
本文研究了绝对性集合编程中的困难问题，并提出了一种新的动态规划算法来解决一个图形参数问题，即带符号的团宽度（signed clique-width）
PDF8 years ago
非独立同分布数据的色彩 PAC-Bayes 界限：在排名和稳定 β- 混合过程中的应用
提出了第一篇关于在具有内在依赖性的数据上训练分类器的 Pac-Bayes 泛化界的研究，该方法基于依赖图的分解，通过图分数覆盖将依赖关系编码在数据的独立数据集中。
PDF15 years ago