- 使用两个潜在向量的统计模型的可识别性:维度关系的重要性及其在图嵌入中的应用
该研究论文提出了一个统计模型,通过引入辅助数据,并建立了各种可辨认性条件,其中包括非线性独立分量分析(ICA),并证明了所提模型的不确定性在某些条件下与线性 ICA 相同。在图数据中应用可辨认性理论,提出了一种可辨认的图嵌入方法,并通过数值 - 通过建模弱标签集推进睡眠检测:一种新的弱监督学习方法
本研究提出了一种新颖的睡眠检测方法,使用弱监督学习来处理缺乏可靠标签的情况。通过借助常规睡眠检测算法生成的预测结果作为弱标签,引入了一种新的非线性统计模型。结合神经网络检测睡眠,以睡眠概率作为二项分布的参数,最大化该模型的似然函数等效于最小 - 在模糊环境中整合认知地图学习与主动推理的规划
本文提出了一种将统计模型的认知地图形成与支持不确定性规划的主动推理代理进行集成的方法,并通过在三个空间导航场景中比较原始克隆图代理和主动推理驱动的克隆图代理,证明了尽管两种代理在简单场景中都有效,但主动推理代理在具有关于位置的模糊信息的挑战 - 双向关注作为连续单词专家的混合
通过重新参数化,将多层多头的双向注意力视为堆叠的 MoE 和混合的 MoE,从而揭示了双向注意力中使用 MoE 的独特之处,并说明了其在处理异构数据方面的实际有效性。此外,统计视角还揭示了双向注意力的词嵌入中线性类比的限制条件。
- ICML带区间目标的弱监督回归
本文研究了一种弱监督回归设置,称为区间目标回归 (RIT),提出了一种新的统计模型,分析了一种简单的选择方法和一种统计一致的限制方法,并进一步推导了该方法的估计误差界限。针对不同数据集的实验结果证明了该方法的有效性。
- 自动度量文本生成偏好评级中的错误校正
本文介绍了一种基于统计模型的文本生成评估方法,利用自动化度量的优点和人工评级的精度,通过最佳组合的方式来改进文本生成评估的准确度,而且只需要使用人工评注的 50% 即可获得与 100% 人工评级相同的评估结果。
- 神经增强置信传播用于多目标跟踪
本研究提出了一种基于神经增强信念传播的多目标跟踪方法,NEBP 通过学习原始感应器数据中的信息改进了传统基于统计模型的贝叶斯 MOT 方法,提高了跟踪性能和灵敏性.
- 论所学习表征的线性可辨识性
研究深度神经网络在表示学习中的可辨认性,并从非线性独立成分分析的角度提出一种恢复可辨认性的方法,提出了一系列充分条件和证据,证明一大类具有判别性的模型在功能空间上具有线性可辨认性。
- AAAI动态网络和时态知识图谱的神经潜空间模型
本文提出了一种适用于动态网络的统计模型 Neural Latent Space Model with Variational Inference,该模型能够表示并预测网络结构的演化,并在同质、双部分和异质网络的真实数据集上表现出优异的性能。
- 从不成对嘈杂数据中学习降噪的 Noisier2Noise
本论文提出了训练神经网络进行图像去噪的方法,该方法无需干净训练数据或带噪训练数据。该方法仅需要每个训练样本的单个噪声实现和噪声分布的统计模型,并适用于各种噪声模型,包括具有空间结构的噪声。该模型的表现与需要更多训练数据的其他学习方法相当,且 - 一种统计学习方法用于实现超高可靠低延迟通信
这篇文章讲述了通过学习统计学模型以实现可靠传输,通过三个关键组成部分:信道模型选择、从样本中学习模型以及选择适当的传输率来满足要求的可靠性。
- NIPS潜在维度聚类
本文提出了一种称为渐进聚类的新技术,它将每个数据点通过其潜在的点维度进行聚类,该点维度是与该点本地数据集的维度有关的尺度。这种渐进聚类技术可以广泛应用于各种数据集的分析中,并通过距离方法以点的第 n 个最近邻点来评估数据点的点维度,同时将其 - 利用神经符号转换网络进行语义化代码修复
通过使用语义修复的统计模型和神经网络,我们的研究成功地预测代码中的错误位置,并将其修复,从而提高了修复的准确性。
- 基于指数族方法的多声部音乐风格模拟和和弦创作
通过使用最大熵原理,我们提出了一个统计模型来创作和复制多声部的音乐,并能够发明新的和声并用于多种不同音乐风格的交互性音乐生成。
- MAGIC: 一种通用、强大且易处理的选择性推断方法
本文提出了 MAGIC 方法 —— 一种基于二次规划的、具有随机化特性的、较为通用并且易于操作的选择性推理方法。通过嵌入随机化以提高统计能力,再通过再参数化将问题简化为一个简单限制的抽样问题,以概括地解析并应用于许多基于 L1 的优化问题。
- KDD基于贝叶斯网络的有趣项集模型
通过 Bayesian 网络的生成模型和新颖的趣味度量,我们的方法能够从交易数据库中直接高效地推断出最有趣的项目集,并且在多个真实世界的数据集上取得与现有先进算法相当甚至更好的效果。
- 基于平方和证明的张量主成分分析
研究了一个针对张量主成分分析问题的统计模型,通过基于四次幂和松弛的舍入算法,证明了随机噪声张量的种植向量可以在高概率下被回收,还证明了四次幂和松弛在一定程度下是不起作用的,研究并利用了额外的问题结构来求解我们的平方和松弛。
- ICLR自然图像的局部低维性
本文提出了一种新的基于统计模型的图像描述方法,其中利用线性滤波器组的局部响应共同服从零均值的高斯分布,协方差在空间位置上变化缓慢。文章通过优化一组滤波器,以最小化其本地激活矩阵(即奇异值之和),从而鼓励一种灵活的稀疏形式,同时也使其不依赖于 - 普通最小二乘问题中基于随机草图的统计角度分析
对大规模最小二乘问题的解决方法采用随机草图算法的统计和算法方面进行了考虑,提出了算法和统计两种框架并比较其性能,并且证明了在使用随机投影和随机抽样算法的情况下,当样本数为 $r$,且 $p<r<n$ 时,算法误差与原始问题的误差相同。
- 穿衣情况下人体形态与姿势的估计
本研究提出了一种新方法,利用一种姿态不变形状空间对人体形状变化进行建模,结合基于骨骼的变形对姿态变化进行建模,用于估计着装人体扫描的静态和运动序列中的身体形状和姿态,改进了现有统计模型的拟合准确性。