发表服务
针对小数据集条件下的贝叶斯网络（Bayesiannetwork，BN）参数估计困难问题，提出了一种基于变权重迁移学习（DWTL）的BN参数学习算法。首先，利用MAP和MLE方法学习得到目标域初始参数和各源域参数；然后根据不同源域数据样本贡献的不同计算源权重因子；接着基于目标域样本统计量与小数据集样本...
贝叶斯网络构造方法及应用研究,数据挖掘,贝叶斯网络,搜索算法,基金数据分析。数据挖掘主要研究海量数据分析的理论与方法。在零售,军事,商业智能,金融等众多领域,数据挖掘正在得到广泛的应用。贝叶斯网...
本文将不确定性引入神经网络，将确定性参数的神经网络改造为具有随机特性的概率神经网络（也成贝叶斯神经网络）。本文是贝叶斯神经网络的奠基作之一，具有很高的引用量。-飞桨AIStudio-人工智能学…
谷歌研究者最近在arXiv上发布了一篇论文，介绍了一种新的网络：贝叶斯循环神经网络（BayesianRecurrentNeuralNetworks），在该论文中，谷歌还介绍并开源了两个实验实现。机器之心对该研究进行了简要介绍。在本研究中，我们探索了一种用于...
最近在看一篇论文，动态贝叶斯网络的数据异常检测，求个大神给疏导疏导？.论文里是用卡尔曼滤波以及贝叶斯置信区间检测异常的，对这些完全是个新手，网上搜来搜去就是HMM模型，他和DBN是什么关系，不知道在我这paper里是不是….
把传统的贝叶斯因果网络和知识图谱,与深度强化学习融合的内容摘要：把传统的贝叶斯因果网络和知识图谱，与深度强化学习融合DeepMind联合谷歌大脑、MIT等机构27位作者发表重磅论文，提出“图网络”（Graphnetwork），将端到端学习与归纳推理相结合，有望解决深度学习无法进行关系推
在深度学习中引入贝叶斯推断算法,可以为模型提供统计解释,改善模型的鲁棒性能,缓解上述问题。.本文研究如何高效结合贝叶斯推断方法和深度学习,来弥补深度学习存在的缺陷。.具体来讲,本论文重点针对深度表征学习中互信息估计、循环神经网络的模型压缩...
针对油管挂下放安装风险分析过程中因缺乏实际数据而无法量化分析的问题,提出一种基于模糊贝叶斯网络系统故障概率计算方法。该方法将区间模糊变量引入到根节点的构建中描述节点的模糊故障率,有效弥补了模糊贝叶斯网络系统在风险分析中故障数据不精确及逻辑关系不明确等
本论文在研究国内外算法的基础上,针对贝叶斯网络的相关算法和不完整数据的学习问题进行深入研究,提出改进算法,并将算法应用于轻度认知障碍和脑血管疾病风险因子预测的实际需求中,开展的主要工作如下：1.最近邻KNN(K-NearestNeighbour)算法被广泛应用于
基于贝叶斯网络的企业财务风险研究一、引言贝叶斯网络（Bayesiannetworks）是描述随机变量之间依赖关系的图模型，由结构（有向无环图，用于定性描述变量之间的依赖和因果关系）和参数（条件概率分布表，用于定量描述变量之间的依赖和因果关系）两部分构成，具有多功能性、有效性和开放性…
针对小数据集条件下的贝叶斯网络（Bayesiannetwork，BN）参数估计困难问题，提出了一种基于变权重迁移学习（DWTL）的BN参数学习算法。首先，利用MAP和MLE方法学习得到目标域初始参数和各源域参数；然后根据不同源域数据样本贡献的不同计算源权重因子；接着基于目标域样本统计量与小数据集样本...
贝叶斯网络构造方法及应用研究,数据挖掘,贝叶斯网络,搜索算法,基金数据分析。数据挖掘主要研究海量数据分析的理论与方法。在零售,军事,商业智能,金融等众多领域,数据挖掘正在得到广泛的应用。贝叶斯网...
本文将不确定性引入神经网络，将确定性参数的神经网络改造为具有随机特性的概率神经网络（也成贝叶斯神经网络）。本文是贝叶斯神经网络的奠基作之一，具有很高的引用量。-飞桨AIStudio-人工智能学…
谷歌研究者最近在arXiv上发布了一篇论文，介绍了一种新的网络：贝叶斯循环神经网络（BayesianRecurrentNeuralNetworks），在该论文中，谷歌还介绍并开源了两个实验实现。机器之心对该研究进行了简要介绍。在本研究中，我们探索了一种用于...
最近在看一篇论文，动态贝叶斯网络的数据异常检测，求个大神给疏导疏导？.论文里是用卡尔曼滤波以及贝叶斯置信区间检测异常的，对这些完全是个新手，网上搜来搜去就是HMM模型，他和DBN是什么关系，不知道在我这paper里是不是….
把传统的贝叶斯因果网络和知识图谱,与深度强化学习融合的内容摘要：把传统的贝叶斯因果网络和知识图谱，与深度强化学习融合DeepMind联合谷歌大脑、MIT等机构27位作者发表重磅论文，提出“图网络”（Graphnetwork），将端到端学习与归纳推理相结合，有望解决深度学习无法进行关系推
在深度学习中引入贝叶斯推断算法,可以为模型提供统计解释,改善模型的鲁棒性能,缓解上述问题。.本文研究如何高效结合贝叶斯推断方法和深度学习,来弥补深度学习存在的缺陷。.具体来讲,本论文重点针对深度表征学习中互信息估计、循环神经网络的模型压缩...
针对油管挂下放安装风险分析过程中因缺乏实际数据而无法量化分析的问题,提出一种基于模糊贝叶斯网络系统故障概率计算方法。该方法将区间模糊变量引入到根节点的构建中描述节点的模糊故障率,有效弥补了模糊贝叶斯网络系统在风险分析中故障数据不精确及逻辑关系不明确等
本论文在研究国内外算法的基础上,针对贝叶斯网络的相关算法和不完整数据的学习问题进行深入研究,提出改进算法,并将算法应用于轻度认知障碍和脑血管疾病风险因子预测的实际需求中,开展的主要工作如下：1.最近邻KNN(K-NearestNeighbour)算法被广泛应用于
基于贝叶斯网络的企业财务风险研究一、引言贝叶斯网络（Bayesiannetworks）是描述随机变量之间依赖关系的图模型，由结构（有向无环图，用于定性描述变量之间的依赖和因果关系）和参数（条件概率分布表，用于定量描述变量之间的依赖和因果关系）两部分构成，具有多功能性、有效性和开放性…
发表服务