indian buffet process | BriefGPT

关键词indian buffet process

搜索结果 - 8

稀疏无限随机特征潜变量建模
本文提出了一种基于贝叶斯非参数潜变量模型的非线性方法，假设潜空间先验为稀疏和无限维。该方法通过使用印度自助餐过程先验在潜变量上，自动且概率地选择潜变量数目，保证潜变量空间中实例化的维度数目是有限的，实现了稀疏、非线性的潜变量建模，引入随机傅
PDF2 years ago
ECCV视频中异构概念的弱监督学习
此研究的目标是通过 Indian Buffet Process 将在线视频的文本描述中的异构概念和位置限制纳入一个集成框架，并使用后验推理进行分类和定位，其比竞争基线表现显著优异。
PDF8 years ago
精神障碍的贝叶斯非参数共病分析
本研究旨在利用大量的 NESARC 数据库中收集到的信息，应用非参数潜在模型来分析精神障碍的互相关联关系，并提供了一种有效率的分析方法。
PDF10 years ago
NIPS高维输入和响应的非参数条件因子回归模型
本文提出了一种用于高维输入和反应的非参数条件因素回归（NCFR）模型，其通过引入低维潜在因素进行降维，并集成一个印度 Buffet 过程作为潜在因素的先验以获得无限稀疏维度，实验结果表明 NCRF 相比其他几个替代方法具有显著的预测性能。
PDF11 years ago
通过子模最大化扩展印度自助餐流程
使用 Kurihara 和 Welling（2008 年）的极大期望框架进行线性高斯潜在特征模型的近似 MAP 推断，在模型证据的下限上得到一种次模函数。通过使用贪心算法最大化此函数，我们的推理方法与输入数据的规模呈线性比例。
PDF11 years ago
非参数贝叶斯稀疏因子模型及其在基因表达建模中的应用
提出了一种非参数贝叶斯因子分析（FA）的扩展，其中观察数据 𝐘 被建模为潜在无限个隐藏因素 𝐗 的线性叠加 𝐆，使用印度自助餐过程（IBP）作为先验来描绘稀疏性并允许推断潜在特征的数量，使用基于已知 E. Coli 稀疏连接
PDF14 years ago
深度稀疏图模型的结构学习
本文介绍了级联的印度自助餐过程 (CIBP)，将其作为单层无限宽隐藏层的置信网络的有向结构的非参数贝叶斯先验，提供了一种无限深和宽、可处理推理的分层有向置信网络结构学习方法，使用非线性高斯置信网络和可变离散和连续表示的单元，提供了用于置信网
PDF15 years ago
无限层级因子回归模型
提出一种非参数贝叶斯因子回归模型，考虑因子个数的不确定性和因子间的关系，通过 Kingman coalescent 基于因子的分层模型，将其与 sparse Indian Buffet Process 相结合，应用于基因表达数据分析中的因子
PDF15 years ago