变分推断相关论文
近年来高斯图模型被广泛地应用在各个社会和科学领域,来描述变量间的条件独立结构,包括经济学、基因学以及社交网络.一般的高斯图......
从多元时间序列观测数据中学习多个变量之间的因果关系是许多专业领域中的重要基本问题。现有的多元时间序列因果关系发现方法通常......
街景语义分割技术旨在从图像中识别分割出行人、障碍物、道路、标志物等要素，为车辆提供道路上自由空间的信息，是自动驾驶的关键技术......
期刊
贝叶斯推理不仅是统计学中的一个重要问题,也是机器学习领域中常见的问题。在实际应用中往往很难通过简单的贝叶斯理论求得问题的......
鲁棒性和数据稀疏问题已经成为推荐系统研究中的两大热点问题。鲁棒性推荐旨在从有噪声的用户数据中捕捉用户的真实偏好,提供准确......
少样本学习技术指的是在标注样本受限的情境下,快速学习并泛化到新任务的技术。该技术是为人工智能技术通向真正智能化的积极探索,......
空间态势感知是维护我国陆地安全,保护我国关键航天器、空间站的重要前提,而目标跟踪能力是实现空间态势感知的基石。由于空间目标......
煤炭是我国的主要能源,直接关系到我国的经济命脉以及国民经济快速健康地发展。尽管近几年我国能源结构还处在调整阶段,但受资源条......
在实际的数据分类任务中,经常面临数据类别分布不均衡的问题,具体表现为属于某一类的样本数远超过另一类。若直接使用分类器对不均......
由于复杂网络（数学上常称为图）规模宏大、结构复杂、难以理解等原因,人们十分重视能分析网络整体统计特性的方法,如聚类分析,在网络......
随着信息技术的快速发展,越来越多的应用需要查询和分析大量的数据。然而,来源于多个数据源的数据不可避免的会夹杂着噪声。因此,......
在过去的几年中,随机变分推断在多种机器学习任务中显示出其强大能力,其应用涵盖自然语言处理和信息检索等各个领域。各领域应用不......
主题模型在许多领域中(如自然语言处理领域)都有重要应用。主题嵌入模型的目标是将词嵌入和主题嵌入引入到传统主题模型中,以此来......
随着人们对能源的需求日益增长。锂离子电池凭借其能量输出稳定,循环寿命长、清洁环保、体积小质量轻等诸多优点,被广泛地应用于各......
如何科学有效地提升道路交通管理及拥堵治理水平已成为全国各大中城市亟待解决的重点任务。交通流预测被视为其中的一项关键基础环......
随着物联网及计算机视觉技术的发展,视频监控系统在公共安全等场景中有着广泛的应用。在诸多视频监控应用场景中,利用置乱算法对人......
数字化和信息化的时代,对于海量的图片信息,图像处理在生活中发挥着越来越重要的作用。图像分割是图像处理中最重要也是最基本的技......
代码审查(Code Review)指的是对源代码改动进行的检查,目的是防止不合格的代码改动影响到软件工程的质量。代码审查在软件开发和维......
深度强化学习是现代人工智能领域中一个重要的研究分支,可分为两大类:无模型和模型化。其中,模型化方法有较高的样本效率,但其渐近......
主题模型在发现文本潜在主题方面已被证明是非常成功的,但是以往人们所研究的主题模型都基于“词袋”假设,忽略了词之间的关联。另......
随着信息技术发展，通过访问内容去审查用户网络访问行为的应用问题逐渐成为备受关注的一项数据建模应用问题。现有的主题模型能够从......
在机器学习领域,从少量样本中高效的学习仍然是一个巨大的挑战.本文借鉴度量学习的思想,基于深度高斯过程模型这一非参数模型,提出......
由于贝塔刘维尔分布的共轭先验分布中存在积分表达式,贝叶斯估计有限贝塔刘维尔混合模型参数异常困难.本文提出利用变分贝叶斯学习......
本文提出了一种在MU-MIMO-OFDM（Multiple-User Multiple-Input-Multiple-Output Orthogonal-Frequency-Division-Multiplexing）上行......
提出了一种基于变分推断的高斯混合模型的图像分割算法．该算法首先用贝叶斯混合高斯模型对图像的特征进行建模，并针对模型的参数学习......
不同于传统的强化学习,在模仿学习中,智能体的任务是从专家的演示数据中进行学习。广义上的模仿学习包含了直接学习专家行为的行为......
协同过滤是推荐系统中使用最广泛且最成功的技术。但是,现有的基于协同过滤的方法在对用户项目非线性交互进行建模时仍然存在一定......
虽然现有的逆合成孔径雷达(ISAR)系统可以提供较高的距离分辨率,但是对于空间碎片、微小卫星等目标,其尺寸仅占据几个甚至一个距离......
本文提出了一个针对不确定数据建模,结合随机向量泛函链接网络的完全贝叶斯模型,即IB-RVFL。和已有的工作相比,我们在基函数的参数......
学位
变分自编码机(VAE:Variational Auto-Encoder)于近年来受到了广泛关注,并且在理论分析和应用拓展层面都有了诸多研究进展,但VAE退......
时间序列数据在测量过程中通常受到事物内在可变性以及外界干扰等因素的影响,针对各个时间点上数据受影响程度不同的情况,提出一种......
在光谱数据的多元校正中,光谱数据通常是在多种不同的环境条件下收集的.为了建模来源于不同环境中的高维光谱数据,本文提出了一种......
在工程应用中,如数据挖掘、成本预测以及风险预测等,Logistic回归是一类十分重要的预测方法.当前,大部分Logistic回归方法都是基于......
基于Dirichlet过程的非参数贝叶斯方法将先验分布有效扩展到了非参数分布,并广泛应用于密度估计、分层线性模型、有序数据以及生存......
多元类别数据的可能取值会随向量长度的增长呈指数级增长,从而造成数据稀疏性问题。通过将观察数据嵌入到连续空间中训练识别数据......
随着计算机、多媒体技术和网络的迅速发展,数字内容的使用呈指数级增长。数字内容容易复制、方便存储和传播等特点使其版权问题日......
ue＊M＃’＃dkB4＃＃8＃”专利申请号:00109“7公开号:1278062申请日:00.06.23公开日:00.12.27申请人地址:（100084川C京市海淀区清华园申请人:清......
为了对新闻媒体平台的重大事件进行话题演化建模分析,基于隐含狄利克雷分布(LDA主题模型算法)对话题动态建模,在变分推断主题模型......
针对文本情感分析中文本过短而导致的分类准确度低的问题,结合对抗学习和变分推断提出一种端到端的短文本情感分类模型。首先,使用......
在数十年的全基因组关联研究热潮中,大量与人类复杂性状相关联的单核苷酸多态性位点被成功挖掘。然而,这些关联位点仅能解释性状的......
针对高分影像地物繁多,特征混杂导致现有模糊C均值算法稳定性差、分类精度低的问题,提出一种IFCM (improved FCM)聚类与变分推断法......
LDA(Latent Dirichlet Allocation)模型是近年来提出的一种能够提取文本隐含主题的非监督学习模型.通过在传统LDA模型中融入文本类......
