关键词multivariate distribution
搜索结果 - 7
- SIGIR信息检索的多元表示学习
本文提出了一种新颖的表示学习框架,用于密集检索模型,框架采用多元分布作为表示,使用负多元 KL 散度计算相似性,在现有的最近邻算法中无缝集成,实验结果表明,较竞争的密集检索模型有显著的改进。
- 高维生成模型中的 Copula:Vine Copula Autoencoders
介绍了葡萄蔓 Copula 自编码器 (VCAE),是一种灵活的高维分布生成模型。它将数据通过自编码器压缩成较低纬度表示,再通过葡萄蔓 Copula 估计编码数据的多元分布,最后将估计分布与自编码器的解码器部分相结合,从而以低的计算成本将任 - 因果结构学习
本文研究了关于基于数据学习因果模型的结构学习算法,比较了它们在不同场景下的实验性能表现。
- 测试 Ising 模型
在高维分布的建模中,结构性多元分布的检测可以避免样本复杂度曾出现的问题。通过研究 Ising 模型,我们证明了在这种结构化场景中可以获得样本和时间高效的独立性和拟合优度测试。
- AAAI多元广义 von Mises 分布:推断和应用
本文介绍了一些标准概率建模工具在圆形区域中的扩展,包括引入了一个新的多元分布,称为多元 GvM 分布;提出了一个受高斯过程启发的圆形回归概率模型和一种进行圆形隐变量的概率主成分分析方法。此外,我们展示了这些模型中的后验分布是 mGvM 分布 - 双变量 beta 分布的构造
本文提出了一种新的多元分布,其边缘分布为 Beta 分布,在单位正方形上具有正的概率,并在整个范围内具有相关性。并讨论了其在三个或更多维度上的扩展。
- 切片采样
本文介绍了基于 Markov 链和 slice sampling 的新型抽样方法,其具有自适应调整的能力,能够更加高效地对多元分布进行抽样,同时还能够抑制随机漫步现象。