- 多视图聚类的多层随机块模型混合
该研究提出了一种用于聚合来自不同信息源的多个聚类的原始方法,使用多层随机块模型(SBM)的混合来将具有相似信息的共成员矩阵分组为组件,并将观测分割为不同的聚类,考虑它们在组件内的特定性。该方法对模型参数的可识别性进行了建立,并提出了一种变分 - 学习推断未观察到的行为:估计用户对某个站点的偏好高于其他站点
本研究提出了一种估计用户对焦点网站的个人偏好的方法,利用用户在网站上的互动数据计算其对焦点网站的在线参与份额,并且展示了通过焦点网站的数据进行模型评估的框架。
- 间接实验的自适应仪器设计
间接实验通过利用(条件)工具变量来估计治疗效果,提供了一种有价值的框架,适用于无法进行随机对照试验(RCT)的情况。本文提出了通过自适应设计数据收集策略来提高间接实验的样本效率的实际计算流程,通过在各个领域进行实验展示了该方法如何显著提高间 - 基于傅里叶神经算子和结构相似性的卫星图像土壤有机碳遥感
通过多光谱卫星数据,提出了基于 Fourier 神经算子和 DenseNet 的 FNO-DenseNet 方法,有效估计土壤有机碳 (SOC) 含量,优于传统机器学习方法,并在均方绝对百分比误差方面比基于像素的随机森林高出 18%。
- 移动互联网质量评估基于自适应核回归
提出一种新的自适应核回归方法,通过自调节核函数来缓解数据不平衡,从而更准确地估计基于大规模互联网质量开放数据集的移动互联网质量,可应用于其他应用。
- PPI++:高效的预测驱动推理
基于小型标记数据集和通常远大于其的机器学习预测数据集,我们提出了 PPI++:一种计算轻量级的估计和推断方法。该方法自动适应可用预测的质量,生成易于计算的置信区间(对于任何维度的参数),始终改进传统的区间估计方法,仅使用了标记数据。PPI+ - 通过归一化流进行稀有事件概率学习
NOFIS 使用正态化流辅助重要性抽样,通过学习一系列建议分布并结合重要性抽样,精确地估计罕见事件的概率,通过定性和定量实验证实 NOFIS 方法的优越性。
- 基于效用的差额风险优化:一个非渐近视角
在金融领域中,我们考虑了效用损失风险(UBSR)的估计和优化问题,推导了经典样本平均逼近(SAA)的 UBSR 的均方误差的非渐近界限,以及在平滑参数化下 UBSR 梯度的表达式,将它用于 UBSR 优化的随机梯度算法中,推导了非渐近界限以 - MINDE: 互信息神经扩散估计
通过基于 Girsanov 定理的新方法,我们提出了一种估计随机变量之间互信息(MI)的方法。我们的方法基于分数函数的扩散模型来估计两个密度之间的 Kullback Leibler 散度,并衍生出估计随机变量熵的方法。我们的结果表明,我们的 - 自适应线性模型的统计限制:低维估计与推断
使用自适应数据收集的估计和推断在统计学中面临重大挑战。通过研究单个坐标估计的错误表明了适应性数据和 i.i.d. 数据之间估计性能的显著差异。研究表明 OLS 方法可实现匹配的估计错误,我们还提出了一种新的单坐标推断估计器,通过解两阶段自适 - 通过热面部图像估计运动引起的疲劳
通过热成像和面部分析技术利用深度学习模型,我们提出了一种自动估计运动引起的疲劳水平的方法。利用包含 40 万多张静息和疲劳用户的热面部图像的新数据集,我们的结果表明,只需一个静态热帧即可预测运动引起的疲劳水平,平均误差小于 15%。结果强调 - 语音信号准确共振峰跟踪的时变准闭相位分析
本文提出了一种新的方法,使用时间变化的准闭相位(TVQCP)分析准确估计和跟踪语音信号中的共振峰。
- ICCV无标定图像中基于地心先验的消失点估计
利用先验的垂直方向,我们解决了估计曼哈顿框架(即三个正交消失点)和相机的未知焦距的问题。通过对最小线配置的详尽分析,我们得出了两个新的 2 线解算器,其中一个不会受到影响现有解算器的奇异性的影响。此外,我们设计了一种新的非最小方法,在任意数 - 多跳问题的性能预测
我们研究了开放域多跳问题回答中查询性能预测的问题,提出了一种用于预测开放域多跳问题性能的新型预检索方法,通过对最大的多跳问题回答数据集进行广泛评估,我们证明了该模型是一个强大的性能预测器,优于传统的单跳查询性能预测模型,此外,我们展示了该方 - 脱机环境的贝叶斯逆转移学习
利用约束的方法从专家数据中学习变迁动力学的可靠估计来改进线下强化学习,减少策略差异,并结合不确定性估计推断出产生更高回报的行动部分排序和规划更安全和更具信息的策略。
- 基于核的两样本测验中的部分标识问题与数据测量误差
在机器学习应用中,非参数的两样本检验方法,如最大均值差异(MMD),通常用于检测两个分布之间的差异。然而,现有文献的大部分假设可以获得两个目标分布的无误差样本。我们放松了这个假设,研究了在 ε 污染下对 MMD 的估计,其中可能存在一个非随 - 多曝光图像堆栈中曝光比率的鲁棒估计
将多曝光图像堆叠合并为高动态范围(HDR)图像需要准确的曝光时间,为了解决从相机的 EXIF 元数据提取的曝光时间不准确导致的条纹伪影问题,我们提出直接从输入图像中估计曝光比率的方法,并通过线性求解器高效地解决了该问题,同时该方法还可以在多 - 反问题函数性质的源条件双稳健推断
估计线性反问题解的线性功能参数的研究,提供首个双重健壮推理方法以确保感兴趣的参数的渐近正态性,无需了解哪个反问题更合适,这一结果是迭代 Tikhonov 正则化对抗性估计器在线性反问题上的新担保为通用假设空间的发展创造的。
- 结合多空间深度模型利用脑电信号估计心理负荷
本文旨在将心理负荷分类为三种状态并估计连续水平,使用时间域方法中的时序卷积网络和频域方法中的多维残差块结构,以提高对大脑的心理估计的精确度。
- 随机系数岭回归的迁移学习
本文提出随机系数岭回归的估计和预测方法,同时考虑了迁移学习的情况,并通过模拟和预测多遗传特征以证明其效果。