实体
Dāgs
Dāgs
PulseAugur coverage of Dāgs — every cluster mentioning Dāgs across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
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
-
新研究论文介绍了用于有向无环图的深度高斯过程
研究人员开发了专门为有向无环图（DAGs）设计的深度高斯过程（DGPs）。这种新方法解决了在DAGs上重建、传播不确定性以及对部分观测过程进行推理的挑战，这些在因果建模和基因调控网络等领域很常见。该工作包括对先验崩溃行为和图拓扑影响的理论分析，以及用于提高准确性和可解释性的结构化变分近似。在蛋白质信号网络和重离子碰撞模拟等任务上的实证验证显示了最先进的性能。
-
新论文显示，贝叶斯因果发现会在潜在混淆下失效
一项新的研究论文分析了在存在潜在混淆的情况下，线性高斯因果模型中贝叶斯因果发现的失效模式。研究确定了一个临界相关性阈值，超过该阈值后，模型会倾向于在混淆变量之间存在虚假边的图。该阈值随着样本量的增加而减小，这意味着在混淆情况下，更多的数据悖论式地会导致不正确的结论。研究进一步根据混淆变量周围的局部结构，通过精确的后验计算支持，表征了两种不同的后验失效模式。
-
AI研究探索了范畴论表述、因果学习和自适应模型合并
研究人员开发了一个多保真代理建模框架，用于预测集装箱船的风载荷，结合了经验数据和CFD模拟，以提高准确性和降低计算成本。另一篇论文介绍了一种使用闭式对数几率聚合器的先验无关鲁棒预测聚合方法，实现了接近最优的最小最大遗憾保证。此外，还提出了一个用于邻域聚合深度学习的新理论框架，为卷积神经网络提供了数学解释。最后，提出了一个名为Doloris的生成框架，用于非配对单细胞扰动估计，利用双扩散模型和稀疏性掩码策略来捕捉复杂的生物数据。