关键词hierarchical bayesian model
搜索结果 - 8
- 一种语法启动的分层贝叶斯模型
通过层级贝叶斯模型，我们展示了语法启动作用的三个经验现象：词汇增强效应、反频率效应和不对称衰减可以在一个通用的学习框架中得到协调。模型通过贝叶斯推断更新语法知识，其中低层级表示动词特定决策的偏见，高层级表示动词特定偏见的抽象偏见的综合。模拟 - 使用层次贝叶斯模型进行离岸风力涡轮机结构异常检测
利用分层贝叶斯模型对海上风电场结构进行人口型结构健康监测，并推断预期的土壤刚度分布，以进行异常检测。
- 深度少样本元学习的层次贝叶斯模型
我们提出了一种新的层次贝叶斯模型，可用于针对大量（可能是无限）任务 / 情节进行学习，适合 few-shot 元学习问题。
- 从人群的序列注释中学习模糊性
该研究提出了一种名为 LA-SCA 的框架，利用序列注释中的专家间的互相不一致性来探索不确定性和歧义，从而有效地保留混淆标签信息。通过建立层次贝叶斯模型来从人群中推断出真实数据并将相对可靠的标注者分组，计算可靠标注者之间的互相不一致性来获取 - 积极学习因果关系
本文探讨了人们在积极主动学习中如何选择正确的行动以便于长期学习，通过分层贝叶斯模型预测人们除了研究目的的因果关系外，还会追求关于可能横跨多种情境和约束具体学习的抽象因果关系的信息，实验结果表明人们会判断不同学习中的抽象相似性并实现迁移，利用 - 使用 DNA 侧面信息的细粒度零样本学习
本研究使用 DNA 作为 fine-grained zero-shot 分类的侧面信息，提出了一种基于层次贝叶斯模型的方法，并在鸟类数据集和昆虫数据集上分别得到了比 word vectors 更好的表现。
- 从合作伙伴到人群的意义泛化：层次推断支持网络上的惯例形成
探究语言约定如何形成整个社区期望结合个体专属知识，提出了基于分层贝叶斯模型的解决方案，并进行了针对具体伙伴的自然语言沟通实验进行了模型预测的评估，结果表明伙伴特异性不仅与社区范围内的约定形成相容，而且可以与强大的归纳机制相结合，加以促进。
- 推荐系统的协作深度学习
本研究提出了一种层次贝叶斯模型，名为 CDL，其通过深度表示学习和协作过滤来处理稀疏的推荐数据，并在三个真实世界数据集上验证了其有效性。