实体
quotient graph
quotient graph
PulseAugur coverage of quotient graph — every cluster mentioning quotient graph 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
最近 · 第 1/1 页 · 共 3 条
-
新的因子图方法提高了高斯过程回归的可扩展性
研究人员开发了一种新颖的因子图方法来解决多输出高斯过程回归中的可扩展性挑战。这种新方法将回归问题表示为因子图，通过高斯消息传递实现高效的后验计算。该公式在数据样本数量和缺失观测值方面具有良好的可扩展性，在速度和准确性方面优于传统的核矩阵和稀疏变分方法，尤其是在时间序列预测任务中。
-
新的因子图方法优化蛋白质MSA序列采样
研究人员开发了AP-REASONER，一种用于蛋白质语言模型中多序列比对（MSA）序列采样的新型因子图方法。该方法将MSA序列采样视为一个优化问题，可以控制查询身份和多样性等进化信号。实验表明，AP-REASONER在结构敏感的下游任务上优于传统的序列采样启发式方法，能够可控地恢复蛋白质的替代构象。
-
信息格学习被构建为概率图模型结构学习
一篇新论文将信息格学习（ILL）引入作为概率图模型（PGM）结构学习的一种方法。ILL通过将信号投影到抽象层次结构上，来学习可解释的规则。当应用于概率质量函数时，ILL学习到的规则可以被解释为因子图中的约束，这与最大熵模型密切相关。该框架为推理和混合符号-概率学习提供了新的途径。