「62C10」カテゴリーアーカイブ

Variational Sequential Optimal Experimental Design using Reinforcement Learning

投稿日: 2024年12月24日 作成者: jarxiv

要約 我々は、情報理論的基準を備えたベイジアンフレームワーク内で有限シーケンスの … 続きを読む →

カテゴリー: 62C10, 62F15, 62K05, 62L05, 90C40, cs.AI, cs.LG, stat.CO, stat.ME, stat.ML | Variational Sequential Optimal Experimental Design using Reinforcement Learning はコメントを受け付けていません

Sampling Strategies in Bayesian Inversion: A Study of RTO and Langevin Methods

投稿日: 2024年11月6日 作成者: jarxiv

要約 この論文では、逆問題を解くための 2 つのクラスのサンプリング手法、つまり … 続きを読む →

カテゴリー: 62C10, 62F15, 65C05, 65D18, 65K05, 65K10, 68Q25, 68U10, 90C25, cs.CV, eess.IV, math.ST, stat.TH | Sampling Strategies in Bayesian Inversion: A Study of RTO and Langevin Methods はコメントを受け付けていません

Generalized Naive Bayes

投稿日: 2024年8月29日 作成者: jarxiv

要約 この論文では、Naive Bayes 構造の拡張として、いわゆる Gene … 続きを読む →

カテゴリー: 62-07, 62C10, 62C12, cs.LG, stat.ML | Generalized Naive Bayes はコメントを受け付けていません

Mixed moving average field guided learning for spatio-temporal data

投稿日: 2024年8月5日 作成者: jarxiv

要約 影響混合移動平均場は、時空間データに対する汎用性の高いモデリング・クラスで … 続きを読む →

カテゴリー: 60E07, 60E15, 60G25, 60G60, 62C10, cs.LG, math.ST, stat.ML, stat.TH | Mixed moving average field guided learning for spatio-temporal data はコメントを受け付けていません

Sampling Strategies in Bayesian Inversion: A Study of RTO and Langevin Methods

投稿日: 2024年6月26日 作成者: jarxiv

要約 この論文では、逆問題を解くための 2 つのクラスのサンプリング手法、つまり … 続きを読む →

カテゴリー: 62C10, 62F15, 65C05, 65D18, 65K05, 65K10, 68Q25, 68U10, 90C25, cs.CV, eess.IV, math.ST, stat.TH | Sampling Strategies in Bayesian Inversion: A Study of RTO and Langevin Methods はコメントを受け付けていません

Sampling Strategies in Bayesian Inversion: A Study of RTO and Langevin Methods

投稿日: 2024年6月25日 作成者: jarxiv

要約 この論文では、逆問題を解くための 2 つのクラスのサンプリング手法、つまり … 続きを読む →

カテゴリー: 62C10, 62F15, 65C05, 65D18, 65K05, 65K10, 68Q25, 68U10, 90C25, cs.CV, eess.IV, math.ST, stat.TH | Sampling Strategies in Bayesian Inversion: A Study of RTO and Langevin Methods はコメントを受け付けていません

Semi-Supervised Learning guided by the Generalized Bayes Rule under Soft Revision

投稿日: 2024年6月5日 作成者: jarxiv

要約 我々は、半教師あり学習における擬似ラベル選択（PLS）の堅牢な基準として最 … 続きを読む →

カテゴリー: 62C10, cs.AI, cs.LG, G.3, math.ST, stat.ME, stat.ML, stat.TH | Semi-Supervised Learning guided by the Generalized Bayes Rule under Soft Revision はコメントを受け付けていません

Bayesian taut splines for estimating the number of modes

投稿日: 2024年5月9日 作成者: jarxiv

要約 確率密度関数のモードの数はモデルの複雑さを表し、部分母集団の数とみなすこと … 続きを読む →

カテゴリー: (Primary), 62C10, 62F15, cs.LG, math.ST, secondary, stat.ME, stat.ML, stat.TH | Bayesian taut splines for estimating the number of modes はコメントを受け付けていません

Looping in the Human Collaborative and Explainable Bayesian Optimization

投稿日: 2024年3月1日 作成者: jarxiv

要約 多くのオプティマイザーと同様、ベイジアン最適化も不透明なため、ユーザーの信 … 続きを読む →

カテゴリー: 62C10, 62F15, cs.HC, cs.LG, stat.ML | Looping in the Human Collaborative and Explainable Bayesian Optimization はコメントを受け付けていません

Looping in the Human Collaborative and Explainable Bayesian Optimization

投稿日: 2024年2月29日 作成者: jarxiv

要約 多くのオプティマイザーと同様、ベイジアン最適化も不透明なため、ユーザーの信 … 続きを読む →

カテゴリー: 62C10, 62F15, cs.HC, cs.LG, stat.ML | Looping in the Human Collaborative and Explainable Bayesian Optimization はコメントを受け付けていません