关键词multivariate gaussian distribution
搜索结果 - 7
- ICLR大规模扩展异方差分类器
HET-XL 是一种异方差分类器，与标准分类器相比，在处理数千类别的图像分类问题时其参数数量可独立于类别数量缩放，同时能够直接从训练数据中学习温度超参数，从而避免了调参，并在较大规模的图像分类数据集中表现更优。
- MM动态分布校准解决实例相关标签噪声问题
本文采用动态分布校准策略来解决与实例相关的标签噪声产生的严重分布偏移问题，提出基于多元高斯分布的平均值和协方差的两种方法来校准偏移后的分布，并在合成标签噪声和真实未知噪声数据集上进行了实验，验证了方法的实用性和有效性。
- ICLR针对外部分布泛化的不确定性建模
本文旨在通过在训练时使用合成特征统计数据来增强深度学习模型的泛化能力，建立在统计学的基础上，每个特征统计量变为具有不同分布概率的概率点。研究表明，这种方法可以显著提高图像分类、语义分割和实例检索等多项视觉任务的网络泛化能力。
- ICML在潜变量存在时使用整数规划进行因果结构学习
本文提出了一种基于精确得分的方法来学习代表一组连续变量因果关系的祖先无环定向混合图，并通过整数规划公式求解，能够有效获得优秀结果，且优于现有基准方法。
- ACL从释义学习概率句子表示
本文定义了能够为句子产生分布的概率模型，最佳表现的模型将每个单词视为线性转换算子应用于多变量高斯分布，并通过从定义的模型中进行训练，演示了实现句子特定性的自然方式。虽然我们的模型是整体最佳表现的，但通过句子向量的范数表示来表示句子的特异性的 - 高斯均值全方位健壮估计器
本文研究了一个基于迭代重新加权的估计方法，该方法针对多元高斯分布的均值具有鲁棒性，且具有多个优秀性质，包括计算上的可行性、对平移、伸缩和正交变换的不变性、高断点以及渐近有效性。此外，本文还为提出的估计器建立了无维度的非渐近风险界限，并将结果 - ICML群集图模型的高斯逼近
该论文研究了针对集体统计数据的 Collective Graphical Model（CGM）的高斯近似方法，证明了当样本量增大时，其分布趋近于一个多维高斯分布（GCGM），并探讨了基于不同噪声模型的推断方法。研究结果表明，GCGM 推断方