parameter learning | BriefGPT

关键词parameter learning

搜索结果 - 33

基于 Actor-Critic 的摘要生成训练框架
介绍使用强化学习的演员 - 评论家框架作为神经网络摘要生成模型培训框架，框架中包括政策网络、二进制分类器、修改的最大近似似然度量和参数学习方法，该框架达到了比现有最优秀方法更好的效果。
PDF6 years ago
AAAI关系边际问题：理论与估计
本文研究在关系设置中找到一些给定边际概率的最大熵分布问题，并提出了统计学上合理的参数学习方法，同时也证明了参数估计的误差以及数据训练的有效样本大小问题。
PDF7 years ago
子线性时间学习行列式点过程
该论文提出了一种新的行列式点过程的类别，可用于推理和参数学习，特别适用于在指数级别上定义的文本文档的概率建模。应用该技术进行文档摘要，并对可能达到 2^500 个项目的情况进行了演示。
PDF8 years ago
带有上下文相互作用的多目标跟踪优化参数学习
利用结构化预测和动态规划等方法进行多目标跟踪，学习参数，并取得了在三种基准测试中的可比较和更好的精度结果。
PDF8 years ago
IJCAI关系逻辑回归的学习算法：初步结果
本文提出了基于关系逻辑回归（RLR）的学习算法，通过结构学习和参数学习两个步骤，使用加权公式表示条件概率，对多关系数据进行建模。实验结果表明，在 MovieLens 数据集上，RLR 方法相对于标准逻辑回归和 RDN-Boost 方法具有更
PDF8 years ago
NIPS学习和求解和积网络参数的统一方法
本文提出了一种统一的方法来学习 Sum-Product networks (SPNs) 的参数，在混合模型的角度下，我们表征了基于最大似然估计 (MLE) 原理的学习 SPNs 的目标函数，并展示了优化问题可以被转化为一个符号函数规划的形式
PDF9 years ago
结构化预测：从高斯扰动到线性时间的本质算法
在自然语言处理中，最新的工作提出了使用独立采样的随机结构输出的最大损失，该方法在随机结构输出的数量上是线性的，容易并行化。使用这种损失函数最大化损失是参数化的学习规则的合理方式，我们在 PAC-Bayes 框架下的高斯扰动中研究了这种损失函
PDF9 years ago
神经自适应序贯蒙特卡罗
本文介绍了一种新的适应性 SMD 方法，该方法使用了 Kullback-Leibler 散度的近似来自动适应提议分布，该方法非常灵活，适用于任何参数化的提议分布，并支持在线和批处理变量，我们使用新框架来适应基于神经网络的强大提议分布，从而导
PDF9 years ago
学习确定性点过程核的参数
该研究使用贝叶斯方法学习确定性点过程的内核参数，解决了非凸似然函数的难题，应用于神经病理学和图像多样性的研究中。
PDF10 years ago
无监督学习噪声或贝叶斯网络
使用矩估计和方法论的算法，学习了具有已知结构和隐藏变量的离散变量的贝叶斯网络的参数。该算法特别适用于双分区 noisy-or Bayesian networks，成功地在医学诊断中应用。
PDF11 years ago
界限优化算法的收敛性
本文研究基于边界优化算法（Expectation-Maximization、Iterative Scaling 和 CCCP）的参数学习与直接优化算法（如梯度下降法）的关系，通过分析各种方法的更新方式来识别局部收敛和全局收敛之间的差别及数据
PDF12 years ago
连续时间贝叶斯网络的期望最大化与复杂持续时间分布
本文研究了基于连续时间贝叶斯网络（CTBNs）的参数学习和结构学习方法，提出了一种基于相位分布的扩展方法，可以更好地逼近时长分布的实现，经实验结果表明，该算法可以在部分观测数据中学习出合理的结构和参数，并在人们寿命的真实数据集上比 DB
PDF12 years ago
学习交互式分割系统
本研究提出了一种新的计算机视觉交互系统的评估和学习方法，利用一个主动机器人用户 —— 一个人类用户的模拟模型，将用户参与到系统训练过程中，以此来评估和学习交互分割系统的参数，同时提出了一种在优化问题中整合模拟用户模型的方法。
PDF15 years ago