joint distributions | BriefGPT

关键词joint distributions

搜索结果 - 6

概率非规则时间序列预测的边缘化一致可分离流混合
混合可分离流的边际一致性混合物模型 (MosES) 是一种新颖的不规则时间序列概率预测模型，它将多个可分离流、具有完全协方差矩阵的高斯过程和可分离可逆变换相结合，旨在结合了归一化流的表达能力和高斯的边际一致性。通过对四个不同数据集的实验，我
PDF23 days ago
基于分层相关重建的生物启发式联合分布神经元，支持多方向神经网络
人工神经网络对参数进行优化，而生物神经元是多向传播的，可以建模整体联合分布，本文讨论了一种基于多项式基函数的分布神经元的层次相关重构，并通过标准反向传播或新方法进行训练，实现多向传播的数值和概率密度。
PDF2 months ago
将因果推断重新解释为预测未观测的联合统计量的任务
通过因果推断方法可以推断未被观察到的联合分布的性质，进一步定义了一种从已观察到的变量中引入因果模型来推断未观察到变量的统计性质的学习场景，并且通过推导因果模型的 VC 维，得出了预测的泛化界限。
PDFa year ago
使用 Copulas 生成和模拟合成数据集
本论文提出了一种基于 copula 模型生成合成数据集的新方法，以生成在边际和联合分布方面类似于真实数据的代理数据。将该方法应用于两个数据集显示出比 SMOTE 和自编码器等其他方法更好的性能。
PDF2 years ago
MIM: 互信息机器
引入 Mutual Information Machine (MIM)，一种概率自编码器，用于学习观测和潜变量的联合分布。MIM 反映了三个设计原则：低散度、高互信息和低边际熵，这有助于学习聚类潜在表示。与极大似然法和变分自编码器 (VAE
PDF5 years ago
基于正则化条件对齐的无监督域适应
本研究提出了一种无监督领域自适应方法，通过训练共享嵌入来对齐输入（域）和输出（类）的联合分布，从而使任何分类器对域都不具有特异性。联合对齐不仅确保域的边际分布对齐，还确保标签对齐，并提出了一种新颖的目标函数，鼓励类条件分布在特征空间具有不相
PDF5 years ago