- 概率方法在具有预算约束的黑盒二进制优化中的应用:传感器布置
我们提出了一种完全概率化的方法,用于解决具有黑盒目标函数和预算约束的二值优化问题。
- 基于序列信息化环境条件的生成植物生长模拟
植物生长模拟的序列感知框架能够通过概率建模来捕捉植物的时间依赖性,生成逼真的植物场景。
- 基于变分循环自编码器的动态因子模型用于股票收益预测
本研究介绍了一种名为 RVRAE 的开创性动态因子模型,它是一种概率性方法,专门处理市场数据中的时间依赖性和噪声,并通过深度学习中的变分循环自编码器 (VRAE) 将动态因子建模原理巧妙地结合起来。RVRAE 的一个关键特征是其使用先验 - - 基于心电图的浦肯野网络的概率学习
从非侵入性临床数据中,利用概率方法识别浦肯野网络,以构建精确的心脏数字孪生模型,为精准心脏学提供可靠预测和不确定性参数估计。
- 通过最优输运传播的蒙特卡洛树搜索
本论文介绍了一种新的备份策略用于 Monte-Carlo 树搜索 (MCTS),适用于高度随机和部分可观察的马尔可夫决策过程。我们采用概率方法,将值节点和动作值节点建模为高斯分布。我们引入了一种新的备份运算符,将值节点计算为其动作值子节点的 - 生成模型的可靠评估中的概率精确度和召回率
评估生成模型的忠实度和多样性是技术进步中的一个困难但重要的问题。因此,最近的论文引入了基于 k 近邻的精确率 - 召回率度量方法,将统计距离细分为忠实度和多样性。然而,我们对这些度量方法进行了深入分析,发现了 k 近邻算法的过于简化的假设和 - 基于上下文无关聚类的可靠、快速、准确的轨迹预测
提出多阶段概率预测路径的自主系统的新方法,包括轨迹转换、位移时间序列聚类、轨迹生成和排序建议,使用深度特征聚类方法进行分布偏移、使用新的基于距离的排序建议进行轨迹生成和分配概率,从而比传统方法更有效且准确地在人和道路代理的轨迹数据上实现上胜 - 基于高斯过程的低数据置信图像预测的非参数模型研究
未来状态预测在与动态环境交互中对决策具有至关重要的作用。我们提出使用非参数模型以概率化的方式预测图像序列的未来图像,并通过时间传播不确定性生成预测的置信度度量。我们利用高斯过程的数据效率和在线动态训练能力来演示我们的方法,成功预测了平滑流体 - 深度学习模型不确定性的置信度量化
本文探讨了在深度神经网络中表示模型不确定性的 Conformal Prediction 框架,提出了一种新的基于概率方法的模型不确定性量化方法,并提供了可靠的边界用于计算不确定度。
- 科学模拟器的模型和参数的同时鉴定
本研究提出了一种基于后验模拟的隐式模型先验和神经网络的元均账后验推断方法,用于系统地选择模型组件以及实现参数推断。研究表明此方法对于发现数据一致的模型配置,估计参数以及识别非可识别模型组件等方面能够提供有力的工具,有效地促进了数据驱动模型的 - HOP, UNION, GENERATE: 可解释的无需理由监督的多跳推理
该研究提出了一种基于概率的方法来训练可解释的多跳问答系统,该系统可以在无需基于理由的监督的情况下进行训练。该方法将理由明确建模为集合,能够在文档之间以及文档内部的句子之间进行交互和多跳推理,这种方法在选择理由方面比之前的方法更加准确。
- 使用深度条件生成模型从属性中学习结构化输出表示
本文使用深度条件生成模型的方法,提出一种针对属性控制的结构化输出表示形式,并使用 CelebA 数据集和 CUB-200-2011 数据集进行训练和生成。研究结果表明,使用 CVAE 框架可以学习到一种脱离关联的多模态先验分布,从而更好地生 - 非生成能量模型
本文提出 Non-Generative EBM 方法作为一种有效的训练方法,可以在保持 EBM 中关键的稳定性和性能的同时,降低计算复杂度和开销。该方法能够大幅提高 CIFAR10 和 CIFAR100 数据集的预期校准误差。
- MM使用分布式 3D LiDAR 实现隐私保护的行人跟踪
本研究提出了一种基于 LiDAR 的隐私保护系统,用于智能环境下的行人追踪,利用多个分布式 LiDAR 的非重叠视图跟踪部分被遮挡的行人,并使用概率方法来建模和调整个体的动态运动模式,结果表明该系统能够准确地跟踪行人,是下一代智能环境中的有 - ProPaLL:概率性部分标签学习
本文介绍了 ProPaLL,一种新的概率方法,用于解决局部标签学习问题,相比现有方法具有简化训练过程、提高性能和适用于任何深层架构的优点。在人造和真实数据集上的实验证明,ProPaLL 比现有方法表现更好。
- ECCV基于代理的非各向同性概率深度度量学习
该研究提出了基于概率的代理深度度量学习方法,使用方向 von Mises-Fisher(vMF)分布对图像进行建模,以更好地表示类特定差异,并比较了多个分布到点和分布到分布度量之间的代理 - 图像距离,表现出具有不确定性感知能力,更好的梯度 - 领域代表性关键词选择:一种概率方法
该研究提出了一种概率方法,通过对目标领域和上下文领域进行对比,采用包含候选关键词的双分量混合模型来选择一组目标领域代表性关键词,然后使用优化算法从生成的候选分布中选出代表性最好的关键词,研究表明该方法优于其他基线方法,尤其适用于关键词摘要生 - 自动驾驶感知减少过度自信的预测
本文探讨了基于概率的方式,采用已预训练网络的 Logit 层得分计算分布来进行物体识别,表明与 SoftMax 和 Sigmoid 相比,最大似然和最大后验函数更适合进行这种概率化解释,实现了良好的性能和可解释性。同时,由于这种方法可以在现 - PDC-Net+:加强的概率密集对应网络
提出了一种增强型概率密集对应网络 (PDC-Net+), 可以同时估计准确的密集对应关系和可靠的置信度分布,通过联合学习流估计和不确定性来预测密集匹配度,并且在自监督训练环境下具有更加稳健和可泛化的不确定性预测策略,对几何匹配和光流数据集取 - ICCV基于 Multi-Task CNN 的概率车辆重建
本研究提出了一种基于概率的方法,使用一种新型多任务 CNN 产生车辆方向、车辆关键点和线框边缘的概率分布,并将这些结果与三维视差信息结合到常见概率框架中,从而达到了最先进的结果。