关键词probabilistic programming languages
搜索结果 - 10
- 可编程变分推理的概率编程
我们提出了一种基于组合程序转换的方法，用于支持概率编程语言中的变分推断，该方法能够灵活地处理多个关键问题，包括自动微分、密度累积、跟踪和无偏梯度估计策略。此外，相比于现有的支持变分推断的概率编程语言，我们的设计在用户定义的目标、梯度估计策略 - 概率编程的扩散模型
我们提出了一种称为 Diffusion Model Variational Inference (DMVI) 的新方法，用于在概率编程语言 (PPLs) 中进行近似推断。DMVI 利用扩散模型作为真实后验分布的变分逼近，通过推导贝叶斯建模中 - 概率程序中的整数算术扩展
通过利用整数操作的逻辑结构，我们提出了一种用于离散分布的二进制编码策略，并结合知识编译进行精确的概率推断，从而扩展到更大规模的整数分布。
- 降维作为概率推断
本文提出了 ProbDR 变分框架，将许多经典的降维算法视为该框架下的概率推断算法。我们的框架利用低维潜变量构建协方差矩阵、精度矩阵或图拉普拉斯矩阵，这些矩阵可作为数据生成模型的一部分。利用此框架，我们可以更容易地处理未见数据，并且得到较为 - 使用概率编程语言 Birch 进行自动化学习
本文介绍了基于概率编程中的最新进展，以广阔的概率建模和推断为视角，探讨了概率编程语言如何自动匹配模型和推断方法，强调了模型的结构和形式对这种匹配的至关重要性，并通过 Birch 进行实例演示。
- ICML概率编程中的离散连续混合：广义语义和推断算法
本篇研究开发了概率编程语言（PPLs）的度量叙事贝叶斯网络（MTBNs）的概念，并使用它来提供更多的语义，包括有限的支持组合离散和连续元素的随机变量。最终将 MTBNs 集成到广泛使用的概率编程语言系统 BLOG 中，并通过代表性的算例验证 - 高阶贝叶斯推断的指称验证
我们提出一个模块化的语义计算方法，用于概率编程语言中的贝叶斯推断算法，并使用高阶函数和归纳类型等方式操纵概率程序的中间表示，定义了语义结构类及其转换的词义准则，并使用 Kock's 综合测度理论证明了一个准 Borel 同源定理。
- 基于深度摊销推断的概率编程
该论文提出了一种在概率编程语言中实现摊余推理的方法，摊余通过参数化的指南程序实现，并且可以包括神经网络组件以更好地进行采样，支持全局模型学习。
- 从时间序列数据中自动生成概率编程
通过非参数高斯过程回归找到时间序列数据的描述性协方差结构从而构建具有表述性的概率编程描述， 不需要提供模型结构。
- IJCAISwift：概率编程语言的编译推断
本文介绍了一种基于编译器的 PPL 推理引擎 Swift，用以提高运行效率，并通过多个实验比较表明，相较于其他 PPL 推理引擎，Swift 的运算速度有着 12 到 326 倍的提升。