扰动学习相关论文
数据挖掘已经成为现在研究的重点,在观测数据集充实的条件下,因果网络图直接地展示出了数据中相应的因果关系。但是,当所有节点之......
人们要认识事物之间的作用机制,使其能够为人类活动服务,就必须要了解不同事物之间的关系,其中因果关系是事物之间普遍存在的一个......
在过去的数年间，大量的研究集中在基于数据驱动的方式发现因果贝叶斯网络。因果关系揭示了系统要素作用的本质，因果结构学习已成为贝......
结构分析的隐变量发现方法难以有效地发现隐变量且可解释性较差。基于因果关系和局部结构的不确定性,提出了一种基于局部因果关系......
因果结构学习是贝叶斯网络学习中一种重要的结构学习方法,因果关系揭示了系统要素作用的本质。由于仅利用观测数据很难准确地发现......
联合观察数据和扰动数据学习因果网络是一种基于扰动的机器学习方法，通过扰动学习可以利用少量样本发现网络中的因果关系，扰动对于因......
现有的多数人脸识别系统都要依赖于面部特征(比如眼睛中心位置)的严格配准来归一化人脸以便提取人脸描述特征,但面部特征配准的准......
