深い階層モデルとハミルトニアンモンテカルロによる欠損データ補完と取得【JST・京大機械翻訳】

Peis Ignacio; Ma Chao; Hernandez-Lobato Jose Miguel

プレプリント

J-GLOBAL ID：202202216242224210 整理番号：22P0287211

深い階層モデルとハミルトニアンモンテカルロによる欠損データ補完と取得【JST・京大機械翻訳】

Missing Data Imputation and Acquisition with Deep Hierarchical Models and Hamiltonian Monte Carlo

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月09日プレプリントサーバーでの情報更新日： 2022年12月22日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

変分オートエンコーダ(VAEs)は,最近,不均一欠測データを取得し,獲得するのに成功した。しかし,この特定の応用領域の中で,既存のVAE法は,潜在的変数と厳密なGauss事後近似の1つの層だけを用いて制限される。これらの限界に取り組むために,HH-VAEM,混合型不完全データのための階層的VAEモデル,を,改良近似推論のための自動ハイパーパラメータ調整によるハミルトニアンモンテカルロを用いる。実験により,HH-VAEMは,欠測データ情報化および欠測特徴による教師つき学習のタスクにおいて,既存のベースラインよりも性能が優れていることを示した。最後に,HH-VAEMで特徴が獲得される場合,情報利得を効率的に計算するためのサンプリングベース手法も提示する。著者らの実験は,このサンプリングベース手法がGauss近似に基づく代替案より優れていることを示した。【JST・京大機械翻訳】

, , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, ,

前のページに戻る