- KDDMultiImport: 从多个输入信号推断知识图中节点的重要性
该文通过提出 MultiImport 模型,采用注意力图神经网络,利用多源输入信息有效地推断了一个知识图谱中节点的重要性,并取得了优于现有方法的结果。
- Manifold GPLVMs 用于发现神经数据中的非欧几里德潜在结构
提出了一种新的概率潜变量模型 (mGPLVM) 来同时确定潜变量状态和神经元对其表示的贡献,以研究神经元编码头部方向及其它相关行为表现内部潜变量构建的问题。
- ICML缺失数据下的 VAEs
开发了一种新颖的潜在变量模型,通过生成缺失数据的损坏过程对处理缺失数据集进行了模糊处理,并推导出相应的易于实现、可处理可随机缺失和不随机缺失数据、适用于高维输入、VAE 编码器和解码器原则性访问指标变量以确定数据元素是否缺失的可跟踪证据下限 - AAAI利用气象雷达数据检测和跟踪公共鸟群栖息地
本论文描述了一种使用机器学习系统的方法来检测和跟踪气象雷达数据中的鸟类栖息地,通过考虑标记风格的变化,使用潜变量模型和 EM 算法来提高检测准确性,从而获取有关美国范围内栖息地的空间时间数据。
- 基于深层模型的强化学习学习飞行
通过学习无人机动力学的概率模型,我们使用基于模型的强化学习学习了四旋翼的推进姿态控制器,完全使用生成潜在轨迹通过传播随机解析梯度来优化控制器和价值函数。
- 可解释语音合成的全层次精细韵律建模
本文提出了一种基于 Tacotron 2 的分层、细粒度和可解释的潜变量模型,实现了 prosody 的多分辨率建模,并使用有条件的 VAE 结构对所有潜在维度进行分层约束,提升了模型的可解释性和分离性能。
- 神经故事生成中预测可解释情节的学习
本文提出了一种基于潜在变量模型的神经故事生成方法,采用外部摘要模型指导该方法从训练数据中学习生成具有可解释高级情节的概述,并在自动和人类评估中取得了显著的改进。
- 基于目标条件策略的规划
本文提出了一种结合规划方法和强化学习的方法,利用强化学习学习目标驱动策略,从而让规划方法更好地实现任务;同时利用一个潜在变量模型来简洁地表示规划中的有效状态,从而将行为抽象和状态抽象分离。实验结果表明本文提出的方法能够在机器人导航和操作任务 - EMNLP可转移潜变量的零 - shot 跨语言对话系统
本文针对零资源的多语言任务导向对话系统进行零样本自适应的提出,使用极少量的平行语词来优化对齐的跨语言词级表示,并采用潜变量模型处理不同语言间类似句子的变化,实验表明,我们的模型在零样本情况下对自然语言理解任务的适应性优于当前最先进的模型。
- EMNLP双语生成式 Transformer 用于语义句子嵌入
本文提出了一种基于变分概率框架的深度潜变量模型,使用双语数据,利用拥有共性的语义信息与特性进行训练,使模型可以将并行语句进行源分离,得到隐含的语义向量,进而对单语数据进行预测。实验证明,该方法在无监督语义相似性评估方面的表现明显优于现有方法 - 学习制作具有普适性和多样性的回溯合成预测
提出新模型用于反合成预测,在美国专利文献数据集上通过序列到序列及离散潜在变量方法构建预测模型较基准模型性能显著提高同时生成更多多样性化预测结果。
- 基于生成的分层模型,用于部件、物体和场景
本文提出的深度潜变量模型 RICH 能够通过无监督学习来学习可解释的组成层次结构,并通过自上而下的方法使用高层表示来指导低层分解,在包含多个具有不同部分构成的对象的图像中,我们证明 RICH 能够学习潜在的组成层次结构并生成虚拟场景。
- MM条件模仿学习和指令增强实现更安全的端到端自动驾驶
本研究提出了基于分离式概率潜变量模型来生成方向盘操控命令的新方法,以实现对自动驾驶汽车进行高层次控制的目的,并扩展了模型以训练对异常方向盘操控命令具有弹性的控制器,达到了在可靠性和可解释性方面均优于当今最先进的技术水平的目的。
- EMNLP神经机器翻译的潜在词性序列
本文介绍一种新的基于 latent variable 的神经机器翻译模型 LaSyn,通过修改基于 transformer 的 NMT 系统并使用基于词性信息的神经期望最大化算法作为 latent sequences 的正则化方法,实现了对 - 手写文字生成对抗网络
本文提出一种手写生成对抗网络框架 (HWGANs),通过使用 CNN-LSTM 和隐变量生成模型可实现有效地生成手写序列数据,并且与传统手写生成器相比,可以生成更自然更逼真的手写文本。
- ACL使用变分推断的半监督随机多领域学习
该研究提出了一种基于潜变量模型的多领域学习系统方法,可用于提取重要的领域信号,并在对抗性学习等方法中,相对于其他对比基准领域适应方法,显著提升了性能。
- ACL一种跨句子潜变量模型用于半监督文本序列匹配
提出一种基于潜在变量的模型,可用于预测文本序列之间的关系,并在半监督自然语言推理和改写识别方面取得了最新进展。
- 使用匹配条件变分自编码器实现多样化回复建议
针对商业即时通讯系统中的自动回复建议生成进行多样化处理,包括使用信息检索结构实现对话模型、通过潜变量模型实现回复建议的生成以及使用约束抽样方法优化变分推断的效率等,实验证明在保证相关性的情况下,该方法能够使回复多样性提升 30-40%,并取 - 场景理解的直接优化学习
本文提出了一种名为 Learning Direct Optimization 的方法,用于解释和优化具有潜变量和场景图潜变量的 3D 计算机图形模型,实验表明,该方法比传统的以误差为基础的竞争方法更有效,能够更好地处理数据和拟合场景模型之间 - 学习可微同构配准的概率模型
提出了一种基于概率的低维形变模型,可用于图像配准和形变分析,具有对比形变、生成正常或病态形变的能力,以及在多种图像对之间传输形变的能力。在三维心脏 Cine-MRIs 上的实验结果显示出本方法目前显示了最先进的性能。