- 标签并不完美:推断目标检测中的空间不确定性
依据生成模型从 LiDAR 点云中推断出边界框标签的不确定性,并通过空间不确定度分布定义了概率边界框的新表示,提出了一种新的评价指标 Jaccard IoU (JIoU),并应用于几个基于 LiDAR 的目标检测器的深入比较中,并将提出的标 - 多尺度点云几何压缩
本文提出了一种基于多尺度自动编码器的点云压缩方法,利用稀疏性质进行分层重建,通过无损压缩几何空间和有损压缩特征属性,实现了比现有方法更高效的压缩率和编码速度。
- (几乎) 所有实体解析
文章综述了记录链接、实体解析、概率论、聚类和规范化等领域的历史发展、目前应用和未来研究方向。
- ICML分类中标签的概率解耦
本文提出一种基于概率的统一方法,用于非标准分类任务,例如半监督学习、正升标记学习、多正升标记学习和嘈杂标记学习,并应用变分法优化标签 - 类别转换模型以推断潜在的类分布。
- ECCV视频场景理解的概率未来预测
本文提出了一种新颖的深度学习架构,用于从视频中进行概率未来预测。该模型可以预测城市场景中的未来语义、几何和运动,并将此表示用于控制自动驾驶车辆。
- EMNLP信息先验下的可解释词嵌入
使用信息先验来创建可解释的和领域知情的维度对概率词嵌入进行优化,并表明这种方法能够有效地捕捉潜在的语义概念。
- 条件生成神经系统用于概率轨迹预测
本文提出一种条件生成神经系统 (CGNS),用于概率轨迹预测,该系统结合了条件潜空间学习和变分分歧最小化的优势,并利用软注意机制和可微障碍函数的正则化方法,将生成的样本推入可行区域。实验结果表明,与各种基线方法相比,我们的这个模型在预测准确 - 神经网络的鲁棒性:一种概率和实用的方法
本文提出了一种概率健壮性的概念,并介绍了一个基于抽象解释和重要性采样的算法,以检查神经网络是否具有概率健壮性。
- 一个基于深度生成模型和半监督学习策略的超材料的概率表示和逆向设计
采用概率生成方法,在潜在空间中对设计元激元和光学反应进行压缩,以解决由物理结构到光学响应之间难以捉摸的关系带来的逆向设计问题。该模型可在训练期间利用有标签和无标签数据优化生成逆向设计和确定性正向预测。这种基于数据的模型可以成为在干涉材料和光 - PROVEN:一种基于概率方法验证神经网络的稳健性
该研究提出了一种概率证明框架 PROVEN,用于验证神经网络在输入加噪时的鲁棒性,可证明分类器的 top-1 预测在受限的 Lp 范数扰动下不会发生改变,证书是基于现有的神经网络鲁棒性验证框架,该方法在 MNIST 和 CIFAR 神经网络 - 变分端到端导航和定位
通过扩展端到端驾驶网络、定义新颖的可变网络,将深度学习应用于自动驾驶领域,使自动驾驶汽车在没有 GPS 数据的情况下能够执行点对点导航和概率定位,同时给出了汽车可能采取行动的完整概率分布,并能够在观察到的视觉道路拓扑图和地图之间建立的对应关 - 基于限制像素卷积神经网络的概率语义修复
该研究论文提出了一种基于 PixelCNNs 的概率语义修复方法,该方法可以学习有关给定少量像素的图像分布,从而产生多样化和逼真的修复结果,实验证明该方法在 MNIST 和 CelebA 数据集上的表现。
- CVPR深度无监督显著性检测:多噪声标注视角
通过学习通过由 “弱” 和 “噪声” 的非监督型手工精炼显着性方法生成的多个噪声标签,我们提出了一种新的非监督型显着性检测模型,该模型包括一个隐式显着性预测模块和一个噪声建模模块,二者协作学习,并共同优化以使我们的模型能够以概率方式处理噪声 - 随机消防员问题
本文研究传染病动态传播的预防措施,以 Firefighter 问题为基础,提出了对感染节点附近的邻居进行疫苗接种的简单策略,并在树、网络图等模型上提出预算分配方案,实验证明该策略在现实网络中的有效性。
- DropoutDAgger: 一种安全模仿学习的贝叶斯方法
本文提出了一种基于概率 DAgger 的算法,使用了 dropout 训练新手并提供其置信度,通过新手行为分布估计与专家行为相关的安全的概率度量,以平衡探索和利用,在 MuJoCo HalfCheetah 和简单的驾驶实验中证明了与其他 D - NIPS知识库推理的可微学习逻辑规则
研究如何通过神经逻辑编程的框架来学习概率一阶逻辑规则应用于知识库推理,达到了比先前工作更好的效果。
- 适用于确定性预测的效率准则
本文在一极化模型下研究了各种标准的最优符合度量,提出了一个重要的效率准则类别 —— 概率,结果发现除非分类问题是二元的,否则文献中最常用的效率准则不是概率性的;本文同时考虑了无条件和标签条件下的符合性预测。
- 合理言语行动模型中的学习
通过定义和优化经训练的统计分类器,RSA 模型可用作自然语言处理应用程序的隐藏层,从而打开了新的应用领域和有效从数据学习的可能性,我们在指代表达生成任务中验证了该模型,表明将有关自然语言生成的洞见特征纳入 RSA 中可实现最佳性能。
- 基于类别的微分同胚数据分布学习增强数据
该研究提出了一种使用概率生成模型的方法,通过对图像进行变换来生成新的观测值,以取代手动指定数据增强的方法,以提高深度神经网络的训练性能。
- IJCAI合同排程与射线搜索问题之间更进一步的联系
本论文研究了两类不同但相互关联的优化问题,一类涉及机器人在由一组并发射线组成的环境中定位隐藏目标,另一类涉及通过合同算法的计划来设计可中断算法,探讨多射线和多问题域的概率考虑,冗余和容错问题,随机策略以及性能和抢占之间的平衡,旨在证明可以使