非参贝叶斯相关论文
现实生活中,地球上每个物体都在时刻产生着数据,而传统的以批量数据处理为特点的学习算法已经无法适应以流式数据为特点的大数据场......
随着人们获取语音数据的便利化,使得我们生活在一个可以无限获取语音数据的时代,尽管如此,我们并不能充分有效地使用未标注语音数......
一次性学习(one-shot learning)是一种仅从一个或少数例子中学习新概念的人类的能力。首先提出口语词上的一次性学习任务的计算模型......
声源个数在基于阵列信号处理的多声源定位和盲源分离技术中通常被假设为已知信息,但是在实际中,声源个数信息通常是未知的,需要被......
在混合成员随机块(Mixed Membership Stochastic Blockmodes,MMSB)算法框架下,研究了针对固定参数假定的限制,引入非参贝叶斯,作为......
近年来,受益于数据的海量增加和计算资源的日益增强,机器学习在很多应用领域都取得了突破性进展。然而,机器学习技术的性能提升非......
本文基于贝叶斯统计的基本理论,在有序Probit模型中引入随机扰动变量并假设该随机扰动的先验分布为Dirichlet过程,利用非参贝叶斯......
多领域机器翻译一直以来都是机器翻译领域研究的重点,而短语归纳是重中之重。传统加权的方法并没有考虑到整个归约过程,本文提出了......