monte-carlo sampling | BriefGPT

关键词monte-carlo sampling

搜索结果 - 8

EMNLP生成式校准用于上下文学习
通过理论和实证研究，我们首次确定了上下文学习中的标签偏移现象，并提出了一种生成校准方法，通过调整标签边际分布来校准上下文预测分布，实验证明该方法在文本分类任务中显著且一致地优于其他校准方法，同时对于不同的提示配置也表现稳定。
PDF9 months ago
基于扩散的多智能体对抗跟踪
本文介绍了一种名为 CADENCE 的方法，旨在通过利用过去的稀疏状态信息生成对敌人位置的全面预测。我们提出了一种新的基于交叉注意力的扩散模型，利用基于约束的采样生成多模态轨迹假设。我们的单目标模型在所有时间范围内的平均位移误差（ADE）预
PDFa year ago
CVPR基于蒙特卡罗双子架构的卫星图像超分辨率策略演员
本研究探讨了如何将强化学习与卷积神经网络相结合来用于高分辨率遥感图像的超分辨率。通过参数化动作矩阵和蒙特卡罗采样，成功地解决了超分辨率问题，并将监督模型嵌入到强化学习框架中，实现了更好的效果。
PDF4 years ago
采样免的近似方差传播用于认知不确定性估计
提供了一种比使用蒙特卡洛采样估计神经网络的认识不确定性的方法更加高效的近似方法，该方法适用于大规模视觉任务。
PDF5 years ago
深度学习不确定性估计的通用框架
提出了一种用基于贝叶斯信任网络和蒙特卡罗采样的方法来对神经网络进行不确定性估计，这个方法具有与神经网络结构和任务无关，不需要优化进程的更改，能够应用于已经训练好的结构，有效地提高了准确性。
PDF5 years ago
通过双重对偶嵌入估计核指数族
本文提出一种基于罚函数的最大对数似然估计方法，针对自变量在再生核 Hilbert 空间中的指数族分布进行研究，通过 “双重对偶嵌入” 技术避免了划分函数的计算，同时还提出灵活的采样策略以节约推理阶段的蒙特卡罗采样成本，并将该估计器推广到核条
PDF6 years ago
随机控制问题的深度学习逼近
通过蒙特卡洛采样的深度学习方法，将高维随机控制问题的时间依赖控制近似为前馈神经网络，用作控制问题的目标函数，经测试，该方法可以处理高维度问题并且具有令人满意的准确性。
PDF8 years ago
使用抽样计算近似纳什均衡和强稳最佳响应
本文研究在复杂的部分可观测的随机博弈中，两种用于决策的蒙特卡洛采样搜索技术，MCTS 和 MCCFR。作者发现 MCTS 能较快地找到一种强策略而 MCRNR 学得更快。
PDF10 years ago