实体
Bayesian linear regression
Bayesian linear regression
PulseAugur coverage of Bayesian linear regression — every cluster mentioning Bayesian linear regression across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
3 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
相关高斯序列模型的新经验贝叶斯方法
研究人员开发了一种用于相关高斯序列模型的经验贝叶斯估计新方法。该方法利用最大复合边际似然（CML）估计量，通过在似然函数中忽略相关性来有效处理依赖观测。CML估计量实现了$n_*^{-1/2}$的收敛速率，其中$n_*$是有效样本量，在一般依赖条件下证明了接近最优的速率。该方法已应用于贝叶斯线性回归和贝叶斯非线性单索引模型，利用了辅助统计量的高维分布。
-
新的蒙特卡洛算法降低了随机梯度方法的方差
研究人员开发了用于随机梯度广义不可逆Langevin蒙特卡洛算法的新方差缩减技术。这些方法旨在提高广义不可逆Langevin动力学估计器的准确性，特别是在步长趋于零的情况下。在贝叶斯回归任务上的数值实验表明，与可逆方案相比，提出的不可逆方案持续降低了均方根误差。
-
新的AI推理方法解决了高维方差和后验坍塌问题
研究人员推出了一种新颖的基于粒子的变分推理方法——熵正则化最优输运下降法（Entropic Transport Descent, ETD），该方法利用熵正则化最优输运来改进对难解分布的近似。与先前可能在高维情况下遭受方差坍塌的方法不同，ETD的全局协调机制能够保留多模态结构，并在各种实验中与SVGD等现有技术相媲美或表现更优。同时，对变分深度高斯过程（Variational Deep Gaussian Processes, VDGPs…