跳到正文
热点事件持续更新

新方法改进高斯过程隐变量模型变分推断

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Maksym Tretiakov 等作者发表论文,将摊销结构化随机变分推断用于高斯过程隐变量模型,使隐空间的变分后验可条件依赖于诱导点取值,突破了均值场变分近似的限制。作者称,这一更灵活的后验改善了数据流形上数据点重建的多项指标。

AI 根据报道生成 · 59 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月5日
  1. arXiv:cs.LG
    面向高斯过程隐变量模型的摊销结构化随机变分推理

    研究将摊销结构化随机变分推理(Amortized Structured Stochastic Variational Inference)用于高斯过程隐变量模型,使隐空间的变分后验可条件依赖于诱导点取值,突破了均值场变分近似的限制。这一更灵活的后验改善了数据流形上数据点重建的多项指标。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。