Observed-Block Multi-Prediction

新的深度玻尔兹曼机方法增强了统计数据融合

研究人员开发了一种名为观察块多预测的新方法，用于统计数据融合，该方法允许在没有单个数据点观察到所有结果的情况下训练深度玻尔兹曼机 (DBM)。这种方法将多预测目标限制在可观察的目标上，使其适用于各种缺失模式。在消费者小组上的实验表明，在不同的样本大小和协变量宽度下，经过微调的 DBM 的性能始终优于其他十五种方法，其主要优势在于通过将一个结果块条件化来预测另一个结果块，而不是来自生成式预训练。