variational auto-encoder | BriefGPT

关键词variational auto-encoder

搜索结果 - 78

TimeAutoDiff：结合自动编码器和扩散模型的时序表格数据合成
通过结合变分自动编码器（VAE）和去噪扩散概率模型（DDPM）的思想，我们提出了一种名为 TimeAutoDiff 的模型，用于生成时间序列表格数据。该模型能够处理各种类型的时间序列表格数据，具有良好的保真度和实用性，并且在生成速度上有显著
PDF9 days ago
TexIm FAST: 基于 Transformers 的文本 - 图像表示用于语义相似度评估
通过自监督变分自动编码器 (VAE) 以及转换器应用的 TexIm FAST 方法提出了一种新的文本到图像方法，可以生成固定长度的表示，消耗内存减少了 75％，有效地用于下游任务，并且在语义文本相似性方面取得了显著改进。
PDFa month ago
分析原型对半监督分类学习的好处
通过使用原型为数据提供抽象表示，这篇研究论文探讨了原型在半监督学习中的应用，通过非监督方式形成数据的表示，以及无监督学习模型中的潜在嵌入和簇状表示的作用。
PDFa month ago
多波段指纹定位的基于新型跨频段 CSI 预测方案
基于指纹定位的通道重建，利用空间交替广义期望极大化算法提取时变参数，并利用变分自动编码器在另一个通道上重建通道状态信息。在深度多输入多输出通道模型产生的数据上测试了该方案，并在本文中展示了我们系统的可行性的数学分析。
PDF2 months ago
变分深度生存机器：带有被截断结果的生存回归
通过更好地聚类生存数据和组合原始分布，本文提出了两种变体的变分自编码器（VAE），离散和连续，来生成聚类输入协变量的潜在变量。我们的模型通过同时优化 VAE 损失和回归损失进行端到端训练，实验证明了我们的方法在聚类结果和长期预测上具有竞争力
PDF2 months ago
组条件缺失人口的公平风险
通过概率插值敏感特征并联合学习组条件缺失概率的变分自编码器，我们提出了公平感知分类模型，以解决隐私、法律问题和个体恐惧所导致的敏感特征全知要求的实际不可行性问题，我们的模型在图像和表格数据集上表现出较好的准确性和公平性平衡。
PDF4 months ago
用于处理正向与反向问题的可逆傅里叶神经算子
本文提出了一种可逆傅里叶神经算子（iFNO），既能解决正向预测问题，又能解决逆向问题，通过设计一系列可逆傅里叶块在潜在通道空间共享模型参数、高效交换信息并相互正则化学习，结合变分自编码器以捕获输入空间内部结构并进行后验推理，从而克服了不适定
PDF4 months ago
可解释运动预测的解缠关系神经推理
本文提出了一种变分自动编码器框架，通过整合基于图表示和时间序列模型，有效捕捉交互式动态代理之间的时空关系并预测其动态行为，进而增强模型的可解释性和在分布外泛化的能力。经过大量的仿真和现实世界数据集的实验证明，与现有方法相比，本方法在建模时空
PDF6 months ago
动态潜在图引导的神经时态点过程
提出了一种新颖的变分自编码器来捕捉时间动态的混合，通过使用学习到的依赖图来预测未来事件时间和事件类型，在预测真实世界事件序列中表现出更高的准确性，相较于现有先进的神经点过程。
PDF6 months ago
用朗之万动力学进行预测编码采样
我们提出了一种新颖的算法，用于在通用深度生成模型中学习参数，该算法基于计算神经科学的预测编码 (PC) 框架。通过将高斯噪声注入 PC 推理过程，我们重新构想它作为过阻尼 Langevin 采样，从而实现对紧密证据下界 (ELBO) 的优化
PDF7 months ago
多模态联合嵌入学习的外观编码
通过在生成建模的最新工作中使用外观编码，我们提出了一个框架，通过在不同模态之间施加对比损失约束来学习场景的外观和结构的联合嵌入空间，从而克服了需要在每次推理中重新训练新的外观编码的问题。通过将我们的框架应用于 RADIATE 数据集的简单变
PDF7 months ago
DIG-MILP: 深度实例生成器与可行性保证的混合整数线性规划
DIG-MILP 是一种基于变分自编码器（VAE）的深度生成框架，它能从非常有限的 MILP 数据中提取深层结构特征，并生成与目标数据密切相似的实例。通过两个不同的下游任务，即数据共享和数据增强，我们的实证研究突出了 DIG-MILP 生成
PDF8 months ago
LARA：轻量级和抗过拟合的无监督异常检测再训练方法
该研究提出了一种基于深度变分自编码器（VAEs）的时间序列异常检测方法中的轻量级和防过拟合的重新训练方法（LARA），该方法能够以较快的速率收敛，并避免过拟合问题。实验证明，即使使用新分布的 43 个时间段的数据来重新训练 LARA，其 F
PDF9 months ago
利用多模态层次表示统一脑部磁共振 - 超声合成
MHVAE 是一种深度分层变分自动编码器，用于合成不同模态的缺失图像，并可处理输入的不完整图像集。通过引入分层潜在结构的多模态 VAE 扩展，我们采用概率模型融合了多模态图像到共同的潜在表示，并采用对抗学习生成更清晰的图像。我们在关节术中超
PDF10 months ago
具有延时格兰杰因果性的 Hawkes 过程
我们旨在基于多元 Hawkes 过程明确地建模滞后的 Granger 因果效应。通过模拟滞后参数的后验分布来推断时间滞后，我们进一步研究了一个复杂环境下的模型估计方法，该方法对于事件预测和时间滞后推断的准确性在合成和真实数据上取得了良好的结
PDFa year ago
SpikeCodec: 基于端到端学习的脉冲相机压缩框架
本文提出了一种基于场景恢复和变分自编码器的学习型脉冲压缩框架，该方法比传统压缩方法表现更好，为学习型脉冲数据压缩提供了一个坚实的基础。
PDFa year ago
通过局部评价器与多模态生成模型提升路径规划性能
本文提出了一种利用 Wasserstein 生成对抗网络（WGANs）加速未知场景中机器人路径规划任务的新方法，该方法将 WGAN-GP 与连续潜在空间的变分自动编码器相结合，涉及到简化配置空间，使用同调秩测度评估重构的配置空间以及一种新的
PDFa year ago
基于深度学习的电机多目标技术优化元模型建模
本文介绍了应用变分自动编码器来同时优化异步机和永磁同步机，利用深度神经网络和解码器作为元模型来预测全局关键绩效指标并在优化循环中通过统一的潜空间生成相关的新设计。数值结果证明了高维设计空间中并行的多目标技术优化。同时，与基于经典深度学习的直
PDFa year ago
通过 IF-PCA 和几种最近的方法进行主题聚类
本文提出了一种将 VAE 和 IF‐PCA 相结合的新方法 IF-VAE，应用于受试者聚类问题，实验结果表明，IF-VAE 在某些情况下比 VAE 具有更好的表现，但是 IF-PCA 仍然是更优秀的选择。
PDFa year ago
基于预训练语言模型的文本分类器不确定性解释框架
该论文提出了一种名为 CUE 的新框架，通过一个变分自动编码器将预训练语言模型编码表示映射到一个潜在空间并通过扰动潜在空间生成文本表示，从而比较扰动前后的预测不确定性差异以识别引起不确定性的潜在维度并进一步追溯贡献于不确定性的输入特征。该框
PDFa year ago