- 结构感知的 SMT 加权模型集成增强
本文介绍一种基于 SMT 枚举的新算法,通过对问题结构的有效编码避免生成冗余模型,从而实现与不同整合技术的无缝配合,可以显著扩展可以通过 WMI 技术处理的问题集,而且相比现有的解决方案具有巨大的计算优势,已在合成和真实世界数据集上进行了广 - AAAI智能定位的探索性采样加速反向学习
在 “AI for Science” 范围内,本文提出了一种新的方法(称为 iPage),通过利用深度可逆模型的概率推断和快速梯度下降的确定性优化来加速反向学习过程,从而解决材料和药物发现等领域中的反向问题。该方法在三个基准任务和两个真实世 - 线性序公理的提升推理
本文研究了在统计关系学中用于概率推断的加权一阶模型计数(WFOMC)任务,并证明了添加线性序公理后,WFOMC 仍可以在多项式时间内计算。作者提出了一种基于动态规划的新算法,可以在多项式时间内计算带有线性序的 WFOMC。
- ThinkSum:使用大型语言模型进行集合上的概率推理
提出了一个两阶段概率推理模型,ThinkSum,用于大语言模型的推理和理解。ThinkSum 能够对多个对象或事实进行结构化推理和引用,并在 BIG-bench 评估任务中取得了改进成果。
- ICMLGFlowNets 与更多模型的统一生成模型
探讨了深度生成模型和 GFlowNet 框架之间的关系,从 Markovian 规划的角度提供了训练和推理算法统一的方式,并给出了实践验证的优化建议。
- DGPO: 通过多样性指导的策略优化发现多种策略
本文提出了一种基于多样性导向的动态规划策略优化算法(DGPO),该算法使用多样性对象来指导一个隐式编码策略,从而在单一的训练过程中学习出多组不同的策略,并将受外部激励约束的优化问题作为概率推理任务来解决,并使用策略迭代来最大化所得的下界。实 - 变分流图模型
本文提出了一种名为 VFG 模型的创新方法,通过信息传递方案将流模型与分层结构相结合,实现高维数据的表示学习与概率推断,并具有流的隐含可逆结构的通用逼近器性质。
- 基于 SMT 的结构感知加权模型集成
本文介绍了一种基于 SMT-based enumeration 的算法,对于复杂的混合问题具有显著的计算节约优势,经过实验评估证明该算法优于现有替代方法。
- KDD基于结构化变分图自编码器的准确节点特征估计
本文提出了一种名为 SVGA 的结构化变分图自编码器方法,通过结构化变分推理建模变量的先验分布,并将概率推理和图神经网络相结合,实现了对缺失节点特征的高精度估计。
- 随机多目标采样梯度下降
我们提出了一种名为 Stochastic Multiple Target Sampling Gradient Descent (MT-SGD) 的方法,用于从多个未归一化的目标分布中进行采样。通过逐渐调整中间分布的流向多个目标分布,使采样粒 - 构建和评估 1480 种语言中自动提取名词的 LEAFTOP 数据集
使用概率推断的方法,LEAFTOP 数据集实现了从 Koine Greek 到 1480 种其它语言的多义词翻译,其中低资源语言的翻译准确率达到了 72%。
- 线性规划中的结构和因果关系发现
本文从因果性的角度研究了线性规划的一些基本组件,探讨了其在机器学习、概率推断和能源系统等方面的应用。
- 分解空间中的随机规划近似推断
该论文将随机规划分解成两个维度:正向和反向推断以及置信传播法和均值场变分推断等不同方法,进而提出折叠状态变分推断 (CSVI) 算法,并通过实验比较发现其与正向置信传播法是最佳的随机规划方法之一。
- 基于空间概念的拓扑语义制图及其在语音指令下的分层路径规划
利用语音指令完成机器人自主导航的一个重要任务是构建具备层级空间表示能力的智能移动机器人。为此,研究者提出了一种基于概率生成模型的层级空间表示方法 SpCoTMHP,并相应的提出了一种路径规划方法,实现了机器人与人类之间的交互通信,提高了导航 - CVPR对比条件神经过程
本研究针对 Stochastic Processes 中函数的近似,提出了一种基于 Conditional Neural Processes 的方法并引入噪声对抗学习来改善生成模型的一些固有限制。具体而言,本方法包含两个辅助的对比分支(TC - 可操作电路实现因果推断
研究发现,利用算术电路可以在非参数因果图上进行推理,从而实现在原先被认为无法处理的模型上进行有参数因果推断。
- ICML安全强化学习的约束变分策略优化
该研究通过引入新的期望最大化方法,并从概率推理的角度解决问题,将安全增强学习问题分解为凸优化和监督学习两个阶段,实现了更稳定和更高效的学习表现,并在连续机器人任务的广泛实验中取得了显著的约束满足性能和样本效率提升。
- ICML行列式点过程积的归一化常数的计算复杂度
我们研究了行列式点过程的乘积作为行列式点过程的一种自然、有前途的推广,研究了计算其标准化常数的计算复杂性,特别地,我们证明了存在针对 输入矩阵强制具有有利结构 的高效算法,否则这一任务的计算复杂性非常困难,我们还探讨了该领域的两个应用。
- ACL计算生成俚语的框架
本文介绍了一种基于概率推理和神经对比学习的框架,通过编码与传统语言和语境相关的新颖俚语意义的方式建立一个模型,旨在机器生成俚语,结果表明这种方法不仅优于现有的语言模型,而且更好地预测了 1960 年代到 2000 年代俚语词语使用的历史演变 - 学习学习变分语义记忆
本文介绍将变分语义记忆引入元学习中,以获取长期知识进行少样本学习,从而形成一个新的长期记忆模块,具有适应个人任务的原则性召回和更新机制,从而为少样本识别带来了巨大的益处。