nonlinear regression | BriefGPT

关键词nonlinear regression

搜索结果 - 9

过参数化非线性回归中的一致预测的贝叶斯推断
通过贝叶斯框架探索超参数化非线性回归的预测特性，并在单神经元模型和广义线性模型中建立了后验缩固，展示了我们的方法在过参数化方案中实现了一致的预测。此外，我们的贝叶斯框架允许对预测进行不确定性估计。通过数值模拟和实际数据应用验证了我们的方法，
PDF3 months ago
Engression: 非线性回归外推？
提出了一种名为 engression 的新型非线性回归方法，其核心是一种分布回归技术，适用于预添加噪声模型，其中噪声被添加到协变量中，然后应用非线性变换来实现外推，能够在严格单调函数类等一些假设下成功的实现外推。
PDFa year ago
深度神经运算符可作为准确的形状优化替代方法：以翼型为例的案例研究
本研究探索使用 DeepONets 方法推断未知气动翼型的流场并优化其形状，结果表明 DeepONets 非常适合生成未知形状的高准确度解决方案，可以在毫秒级时间内准确推断压强、密度和速度场等信息，为气动设计提供了极大的便利。
PDFa year ago
ICLR负学习率元学习
通过计算 MAML 应用于混合线性回归和非线性回归中的测试损失得出结论，表明最优的学习率为负数，这样做将进一步提高性能，帮助澄清掌握任务分布时应该使用何种元学习方法。
PDF3 years ago
MM基于混合量子计算的非线性回归
该研究论文提出了一种将非线性引入量子机器学习中的方法，使用特征映射将经典数据导入到量子状态中，并基于混合量子计算机进行实现，提出了可实现著名的多项式回归和高斯核岭回归的编码方案，其处理信息效率具有指数级加速并且适用于大规模数据集。
PDF6 years ago
KDD基于核随机特征的大规模非线性变量选择
本文提出了一种新的非线性回归输入变量选择的方法，这种方法嵌入到一个可以模拟一般非线性函数的核回归机器中，而不是局限于加性模型。通过将输入映射到随机特征的相对低维空间中，绕过了核方法典型的低伸缩性属性。通过学习适当的非线性随机特征映射，该算法
PDF6 years ago
通过近似恒等函数的复合表示平滑函数，对深度网络优化的影响
通过使用拟恒等非线性映射的叠加来表示平滑的双 Lipschitz 函数，并展示了深度残余网络以及其非线性层计算小 Lipschitz 常数函数的能力，使用功能梯度方法避免了子优区域和失效的临界点，与固定大小的残差网络和 sigmoid 激活
PDF6 years ago
稀疏先验期望传播神经网络
本文介绍了一种非线性回归的新方法，使用具有稀疏性偏好的分层先验的两层神经网络模型结构。作者运用期望传播（EP）方法来近似计算权重、先验层级比例系数以及残差层级比例系数的后验分布，并提出了一种可扩展的方法来定义具有不同稀疏属性的权重先验。作者
PDF11 years ago
再生核希尔伯特空间中函数响应的非线性泛函模型
利用扩展的再生核希尔伯特空间（RKHS）理论建立了一个新的框架，可以对功能响应进行函数回归模型建模。该方法只假定一般非线性回归结构，而不是以前研究过的线性回归模型，并提出了广义交叉验证（GCV）来进行自动平滑参数估计。新的 RKHS 估计方
PDF17 years ago