- CVPRFlowIE: 通过修正流实现高效图像增强
FlowIE 是一个基于流的简单而高效的图像增强框架,通过估计直线路径从一个分布到高质量图像,使用条件矫正流构建线性的一对多传输映射,加速推断,实现对预训练扩散模型丰富知识的充分利用,同时还设计了一种更快的推断算法,通过使用中点切线方向来优 - 无状态推断的状态空间模型:传递函数方法
我们通过它的对偶表示 - 传递函数,设计了一种适用于深度学习应用的状态空间模型,并揭示了一种高度有效的序列并行推理算法,该算法是无状态的,与状态大小的增加相比,不会产生任何显著的内存和计算开销。
- ICML使用时间本地规则学习循环模型
生成模型对顺序数据的拟合通常涉及两个循环计算,一个向前,一个向后。本文探讨了一种不同的解决方法:要求生成模型学习当前状态和前一个状态之间的联合分布,而不仅仅是转移概率。在玩具数据集上展示了不同架构使用这一原则能够学习通常需要向后传递的数据方 - 一个高效的聚类多任务压缩感知算法
本文提出了一种新的算法,通过避免显式计算协方差矩阵结合蒙特卡洛抽样和迭代线性求解器,从而大大加速模型推断。与现有基准相比,实验表明我们的算法在速度上可快数千倍,内存利用率提升一个数量级。
- 稀疏图线性动态系统
该研究论文提出了一种新的联合图模型框架来填补现有的状态空间模型中静态图模型和基于因果关系的图模型之间的缺失。作者通过引入一个高效的块交替主要化极小化算法实现了该框架,并通过对合成和真实气象变化数据的实验验证了所提出模型和推断算法的有效性。
- 是否折叠:用图正则化张量列车完成视觉数据
本文提出了一种基于图信息采用张量列车 (Tensor Train) 表示的方法,以完全保留原始视觉数据的局部信息,使用广义逆高斯 (GIG) 先验构建了一个稀疏促进概率模型,并在均场近似下推导了一个推理算法,实验结果表明该方法优越于传统方法 - 学习树枝动力学以进行操纵模拟
本文提出了一种基于模拟驱动的反推算法来模拟树枝的联合动力学,通过学习分支动力学和获得操作可变形植被的能力来帮助解决果实采摘等容易被遮挡的任务,在密集植被中进行导航。我们的非参数推断算法通过基于 Stein 可变梯度下降的神经网络驱动自适应学 - 利用预训练嵌入和句子袋高效灵活地主题建模
本文提出了一种基于句子嵌入和生成过程模型相结合的话题建模和推断算法,使用期望最大化、硬分配和退火过程推导出快速推理算法。在评估中,我们的方法以相对较少的计算要求取得了最先进的结果。
- ICML非参数的 Involutory Markov Chain Monte Carlo
我们提出了非参数的纠缠马尔科夫链蒙特卡罗(NP-iMCMC)算法,作为一种构建用于普通概率编程语言(PPL)可表示的非参数模型的 MCMC 推理算法的方法。该方法建立在统一的纠缠 MCMC 框架之上,并通过提供一个在维度之间驱动状态移动的一 - ICML连续时间切换动态系统的马尔可夫链蒙特卡罗方法
该文提出了一种基于马尔科夫链蒙特卡罗方法的新型推断算法,用于在连续时间模型中获得精确的后验过程的样本,实现了贝叶斯参数估计,并估计了扩散协方差。
- COLING使用 Transformer 进行事实链的自回归推理
本文提出了一种迭代推理算法来实现多跳解释再生,该算法根据自然语言问题和其答案检索相关的事实证据。该算法通过自回归地从语料库中选取事实,以学习排序损失的方式来缓解多源证据的选择问题。使用预训练的 Transformer 模型进行实验,结果显示 - MM反应式概率编程
本文介绍了 ProbZelus—— 第一种同步概率编程语言,其在控制软件中提供概率结构以建模不确定性,并进行推理,这使得它适用于设计反应式概率应用程序和高效的内存推理。
- EMNLP零样本开放实体类型识别作为类型兼容接地
本文提出了一种无监督的零样本实体类型的方法,该方法可以弹性地识别新定义的类型,并利用 FREEBASE 的布尔函数进行自我推理。我们在包括生物领域的各种数据集上评估了该系统,并证明了它在超出领域的数据集上优于监督学习方法与其他零样本细粒度关 - ICCV跨少数图像集学习寻找共同对象
通过能量最小化模型,我们提出一种少样本学习算法,用于从不同的照片中选择一个来自同一对象类的图像,通过数据直接学习潜在函数,提高了模型对少样本物体识别以及对象共定位任务的性能,同时提出一种基于贪婪的优化算法,性能与最先进的结构化推理算法相当但 - KDD具有灵活时间动态的成对比较
本研究利用连续时间高斯过程中的协方差函数替代流行的两两比较模型的静态参数,所提出的概率模型能够捕捉多种时间动态,并通过开发高效的推断算法进行计算,应用在多个历史体育数据上,具有优于竞争方法的预测性能和良好的可视化效果。
- SHOPPER:具有替代品和互补品的消费者选择的概率模型
我们开发了 SHOPPER,这是一个顺序概率模型,用于对购物数据进行建模和分析。SHOPPER 使用可解释的组件来建立产品选择的驱动力模型,并开发了高效的后验推断算法来估计这些驱动力。在测试中,我们发现,即使在价格干预下,SHOPPER 提 - HiNet:神经网络的分层分类
通过基于神经网络的分层架构和推断算法,解决了使用扁平化标签分类超过 1 万个不同跟踪的困境并实现了最大后验迹。
- ACL一种基于句法跨度的最小神经网络成分句法分析器
本文介绍了一种基于 label 和 span 独立评分的最小神经模型,并证明了该模型不仅与经典的动态规划技术兼容,而且还支持一种基于递归分割的新颖贪心自顶向下推理算法。经实验证明,两种预测方案竞争力强,并且与得分模型的基本扩展相结合,能够实 - 微正则随机块模型的非参数贝叶斯推断
本文提出了一种基于无参数贝叶斯方法的微正则随机块模型,旨在同时改善深入贝叶斯层次结构的推断以及模型选择能力,以推断网络的模块结构和层次组织,并介绍了一种高效的推理算法。
- 多智能体群体行为分析中的人口普查信号时态逻辑推断
本文定义了一种新的基于人口普查的时态逻辑(CensusSTL),并提出了一种新的推理算法来从一组代理的轨迹数据中推断 CensusSTL 公式,并将算法应用于足球比赛数据的分析中,以推断足球队的不同子组的 CensusSTL 公式。