实体
Bayesian Online Learning
Bayesian Online Learning
PulseAugur coverage of Bayesian Online Learning — every cluster mentioning Bayesian Online Learning across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的贝叶斯在线学习框架聚合专家以实现自适应预测
研究人员开发了一个新的贝叶斯在线学习框架，通过将更新规则视为专家来解决固定推断选择的挑战。这种聚合方法在事后与最佳专家竞争，成本由性能评估决定。该框架已应用于在线一致性推断，产生了一个具有随机覆盖的贝叶斯对应物，并应用于高斯过程回归，显示出对未知Hölder平滑度的适应性。
-
贝叶斯在线学习理论通过新的单程算法取得进展
研究人员开发了一种新的贝叶斯在线学习算法，适用于单程设置，解决了现有理论保证的局限性。该算法包含一个热启动阶段，以确保稳定的顺序更新并实现最佳收敛速度。一项关键贡献是建立了 Bernstein-von Mises 定理的在线类似物，无需区分小批量样本量即可进行有效的置信度量化。