- GenMix:结合生成与混合数据增强的医学影像分类
本研究提出了名为 GenMix 的新型数据增强技术,它结合了生成和混合方法以发挥两种方法的优势。通过在合成图像和真实数据之间进行混合,GenMix 改善了合成数据的质量和多样性,同时也提升了生成模型的新模式学习和混合模型的边界增强能力。验证 - 在亚指数级混合模型中实现极小化极小聚类误差的通用下界和最优速率
聚类是无监督机器学习中的关键问题,如何通过混合模型来研究聚类是常见的。本文首先通过契诺夫散度建立了聚类任何混合模型的一个普遍下界,然后证明在具有次指数尾部的混合模型中,迭代算法可以达到这个下界;此外,对于更适合使用泊松或负二项式混合模型的数 - 通过上下文推断减轻语言模型中强先验问题
我们开发了一种新技术来减轻强偏好问题,通过将原始指令集产生一个弱化版本的提示并从弱化的提示中推断模型如何继续执行一个假设加强的指令集,我们将语言模型概念化为混合模型,并对 GPT-2、GPT-3、Llama 2 和 Mistral 等模型进 - AAAI大学习期望最大化
提出了一种名为 BigLearn-EM 的算法,通过模拟实验证明了其在处理混合模型中的局部最优问题方面的有效性和优势。
- AAAIEDA:多模态运动预测的演化与独特定位点
基于混合模型的多模式运动预测中,我们引入了一种新的范例 Evolution and Distinct Anchors (EDA),用于定义多模态运动预测的正负组件,通过使锚点在特定场景下演化和重新分布以扩大回归能力,并在与地面真实值匹配之前 - 基于混合模型的避免对应问题的目标姿态估计的随机几何框架
基于多个特征点的随机几何建模框架用于刚体物体位姿估计,并提供一种避免解决单个特征对应和在多视角应用中引入正确随机依赖性的方法。通过数值实验验证了该模型的有效性和对不同观测系统的适用性,包括测量分辨率、物体变形和测量噪声的影响。可以得出结论, - 基于变压器模型的回归混合模型的最优学习
通过研究 transformers 在混合回归问题中的表现,我们发现它可以学习到一个最优预测器,在数据生成过程中表现出低均方误差,并且在推断时做出接近最优的预测。同时,我们证明了最优预测器可以通过 transformer 实现。
- 用重要抽样法最大似然估计灵活的生存密度
提出了一种消除超参数调优负担的生存分析方法,匹配或优于基线模型在多个真实数据集上的效果。
- 无监督联邦学习:具有对抗攻击鲁棒性的异构混合模型的联邦梯度 EM 算法
我们引入了一种新颖的联邦梯度 EM 算法,用于异构混合模型的无监督学习,该算法具有适应未知任务相似性、对数据源的少量敌对攻击具有弹性、保护本地数据隐私和计算与通信效率的关键优势。
- 通过使用高斯混合模型和遮蔽自回归流进行概率分类
使用密度估计方法的分类器通过使用高斯混合模型和掩码自回归流等方法来建模数据的类别似然度,优于仅使用单个高斯分布的简单分类器。这项研究为提出其他基于联合密度估计的概率分类器打开了研究之门。
- 基于平方的减法混合模型:表征和学习
混合模型通过减去概率质量或密度可以有效地减少建模复杂分布所需的组件数量,并在保证编码非负函数的同时学习这种减法混合技术。我们在概率电路的框架中调查了如何学习和推断深度减法混合模型,并通过将它们平方来实现。理论上验证了允许减法操作的平方电路类 - ICML张量分解遇见控制理论:学习线性动力系统的通用混合
文章提出了一种新的基于张量分解的方法用于学习混合线性动态系统,在不需要分离条件的情况下,可以与 Bayes 最优分簇竞争,在具有挑战性的部分观测情况下工作。
- ICML学习线性动力系统混合模型
研究了从未标记的短样本轨迹中学习多个线性动态系统(LDS)混合模型的问题,并开发了二阶段元算法,其执行效果得到了验证。
- ICML混合线性回归的 Wasserstein 极小极大框架
本文提出了 Wasserstein Mixed Linear Regression (WMLR),通过使用一种优化传输的方法来解决 Mixed Linear Regression 问题。WMLR 可以处理混合模型的联邦学习任务,收敛速度较快 - 深度 Cox 混合以实现生存回归
提出了一种基于混合 Cox 回归模型的新方法,其中硬指派混合组来进行优化,每个组分配使用深度神经网络拟合组内的风险率,并针对每个混合成分进行非参数基线风险拟合。在多个真实数据集上进行了实验,并研究了不同种族和性别的患者的死亡率。结果表明,该 - 带有期望条件最大化的刚性和关节点注册
该论文通过概率点匹配处理刚性和关节形状匹配问题,引入了一种新型 EM-like 算法 ECMPR,使用混合模型来处理未知的对应关系,提出了一种鲁棒性强的点匹配方法,包括旋转和平移参数的估计以及异常值的检测和剔除。
- 混合密集回归用于物体检测和人体姿态估计
本文提出了使用混合密度网络进行空间回归的框架,在物体检测和人体姿态估计任务中,混合模型提高了准确性并使输入空间划分为可解释的模式。
- ICML多样化机器翻译的混合模型:实用技巧
本文研究了通过 EM 训练的混合模型在文本生成方面的应用,通过设计参数、优化模型选择和评估协议,提出了一些更为鲁棒的混合模型,相比于变分模型和多样的解码方法在翻译质量和多样性之间提供了更好的平衡点。
- 鲁棒的 Bregman 聚类
本文采用一种剪枝方法,探讨基于 Bregman 距离的 k-means 聚类方法,以聚类可能被污染的数据为主要焦点,证明存在最优码本,提出具有剪枝参数的 Lloyd 算法,可根据数据选择启发式方法进行选择,并提供了一些实验结果。
- 混合模型中基于变分贝叶斯推断的参数估计和模型选择的一致性
本篇论文研究、应用和优化混合模型和变化推理等技术对贝叶斯统计学、计算生物学和自然语言处理等多个领域的贡献,并研究证明了可变组成元素数量的情况下,情形近似的集中性,以及证明了这种多次证明技术确实是有效的。