关键词low-dimensional representation
搜索结果 - 5
- 评估治疗效果的表征诱导混杂偏倚的界限
提出了一种对条件平均处理效应(CATE)估计中维度约束引起的混淆偏差进行边界估计的新的、无关于表示的框架。
- 低维度表示中点的群组解释
介绍了一种新的解释机器学习问题的算法,利用学习到的低维度表示来识别不同群组之间的关键差异,该算法名为全局反事实解释,使用压缩感知技术限制差异保持一致。实验证明这种算法可以较为精确地解释模型,并与数据中的实际模式相匹配。
- EMNLP文本网络嵌入的深度神经信息融合架构
本文提出了一种深度神经结构,以有效地融合结构和文本的信息,并利用新的目标函数、互补信息融合方法和互动门机制来提高文本要素特征。实验证明,所提出的模型在所有三个数据集上均优于比较方法。
- 特征空间中的强化学习:矩阵赌博机、核函数和遗憾界
MatrixRL 是一种在线强化学习算法,可以通过学习概率转换模型的低维表示来缓解维度性的问题,同时可以平衡探索和开发之间的权衡。此算法具有接近于时间 $T$ 和维度 $d$(或 $ ilde {d}$)稳定性的可能性。
- 控制问题的状态表示学习综述
综述了最近几年在机器人控制任务中,涉及环境交互的各种状态表示学习方法及其应用,并重点介绍了这些算法如何利用通用学习目标。最后,讨论了评估方法以评估所学习的表示,并总结了现有和未来的研究方向。