实体
Bayesian updates
Bayesian updates
PulseAugur coverage of Bayesian updates — every cluster mentioning Bayesian updates across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
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 3 条
-
新框架通过在线贝叶斯学习增强数字孪生
研究人员开发了一个新的自适应数字孪生框架，该框架增强了其在土木工程应用中的价值。该方法利用动态贝叶斯网络来模拟物理系统和虚拟系统之间的交互，通过贝叶斯更新实现状态转移动力学的在线学习。该框架允许比当前方法更广泛的分布范围，并采用强化学习来解决参数马尔可夫决策过程，以制定精确的动态策略。这导致了更个性化、更鲁棒、更具成本效益的数字孪生，正如在铁路桥梁结构健康监测和维护规划的案例研究中所证明的那样。
-
新的AS-DDTO方法增强了用于目标识别的移动传感
研究人员开发了一种名为主动感知延迟决策轨迹优化（AS-DDTO）的新方法，用于移动传感系统。该方法通过将信息获取项集成到轨迹规划中来增强目标识别，旨在收集能够实现更早识别的数据。AS-DDTO支持贝叶斯和一致候选集更新，数值模拟表明其性能优于标准DDTO，尤其是在传感条件不确定和预算有限的情况下。
-
新的贝叶斯框架增强了LLM的信息提取能力
研究人员推出了一种新颖的贝叶斯上下文学习框架BCL，旨在增强大型语言模型的信息提取任务。该框架采用粒子滤波和贝叶斯更新来系统地改进标签表示，解决了当前方法中的不一致性并提高了泛化能力。BCL的四步过程——初始化、观测、权重更新和重采样——使其能够适应序列标注和关系分类，并在大量实验中展示了显著的改进。