Importance Weighted Hierarchical Variational Inference

A. Sobolev; D. Vetrov

Публикации

?

Importance Weighted Hierarchical Variational Inference

P. 1–13.

Соболев А. А., Ветров Д. П.

Язык: английский

Текст на другом сайте

Ключевые слова: байесовский подход Variational inference вариационный вывод Bayesian framework

В книге

Advances in Neural Information Processing Systems 32 (NeurIPS 2019)

[б.и.], 2019.

Classification Using Marginalized Maximum Likelihood Estimation and Black-Box Variational Inference

Шалилех С., , in: Data Analysis and Optimization. In Honor of Boris Mirkin's 80th Birthday.: Springer, 2023. P. 349–361.

Добавлено: 17 октября 2023 г.

Community Embeddings with Bayesian Gaussian Mixture Model and Variational Inference

Anton I.N. Begehr, Peter B. Panfilov, , in: 2022 IEEE 24th Conference on Business Informatics (CBI)Vol. 2: CBI Forum and Workshop Papers.: IEEE, 2022. P. 88–96.

Добавлено: 6 декабря 2022 г.

Dorsolateral prefrontal cortex plays causal role in probability weighting during risky choice

Ksenia Panidi, Alicia Nunez Vorobiova, Matteo Feurra и др., Scientific Reports 2022 Vol. 12 No. 1 Article 16115

Добавлено: 28 сентября 2022 г.

MARS: Masked Automatic Ranks Selection in Tensor Decompositions

Кодрян М. С., Кропотов Д. А., Ветров Д. П., / Series QTNML 2020 "First Workshop on Quantum Tensor Networks in Machine Learning, NeurIPS 2020". 2020.

Добавлено: 5 февраля 2021 г.

A Simple Baseline for Bayesian Uncertainty in Deep Learning

Maddox W., Izmailov P., Garipov T. и др., , in: Advances in Neural Information Processing Systems 32 (NeurIPS 2019).: [б.и.], 2019. P. 13153–13164.

Добавлено: 13 марта 2020 г.

Subspace Inference for Bayesian Deep Learning

Ветров Д. П., Izmailov P., Maddox W. и др., , in: Proceedings of the 35th Uncertainty in Artificial Intelligence Conference (UAI-2019).: [б.и.], 2019. P. 1–11.

Добавлено: 14 января 2020 г.

Doubly Semi-Implicit Variational Inference

Молчанов Д. А., Харитонов В. Д., Sobolev A. и др., , in: Proceedings of Machine Learning Research, Volume 89: The 22nd International Conference on Artificial Intelligence and Statistics (AISTATS 2019).: PMLR, 2019. P. 2593–2602.

Добавлено: 20 ноября 2019 г.

A Nonparametric Bayesian Approach to Term Structure Fitting

Лапшин В. А., Studies in Economics and Finance 2019 Vol. 36 No. 4 P. 600–615

Добавлено: 11 января 2019 г.

Scalable Gaussian Processes with Billions of Inducing Inputs via Tensor Train Decomposition

Izmailov P., Новиков А. В., Кропотов Д. А., , in: Proceedings of Machine Learning Research. Proceedings of The International Conference on Artificial Intelligence and Statistics (AISTATS 2018).: [б.и.], 2018. P. 726–735.

Добавлено: 10 декабря 2018 г.

Faster variational inducing input Gaussian process classification

Izmailov P., Кропотов Д. А., Journal of machine learning and data analysis 2017 Vol. 3 No. 1 P. 20–35

Предлагается новый подход к настройке моделей гауссовских процессов для задач классификации. Стандартные методы для данной задачи имеют сложность O(n 3 ), где n — размер обучающей выборки. Данное обстоятельство не позволяет применять эти методы к задачам с большим объемом данных. В связи с этим в литературе был предложен ряд подходов, основанных на использовании так называемых ...

Добавлено: 6 декабря 2018 г.

Оценки устойчивости развития отраслей российской экономики в рамках сценарных прогнозов макроэкономических показателей Минэкономразвития России на основе байесовских интеллектуальных технологий

Кожевина О. В., Прокопчина С. В., Городиский И. М., Экономика и управление: проблемы, решения 2015 Т. 5 № 12 С. 26–37

В статье рассматриваются вопросы применения информационно-аналитической системы "Инфоаналитик", созданной на основе байесовских интеллектуальных технологий, для оценки состояния экономики страны, составления прогнозов социально-экономического развития РФ и определения важнейших направлений государственной политики в части развития отдельных отраслей. ...

Добавлено: 8 июня 2018 г.

Влияние макроэкономических факторов на моделирование отраслевой динамики

Кожевина О. В., Прокопчина С. В., Передних Л. В., Экономика и управление: проблемы, решения 2017 Т. 4 № 1 С. 26–35

В статье представлены возможности применения для условий макроэкономической неопределенности регуляризирующего байесовского подхода и информационных технологий на его основе (программная среда «Инфоаналитик»), в частности, для создания систем мониторинга и динамического моделирования отраслевой динамики, а также оценки тенденций развития сфер экономики. Подход предполагает проведение динамической оценки прогнозного развития сфер экономики на основании исследования динамики основных социально-экономических параметров ...

Добавлено: 2 марта 2018 г.

VAR-подход к оценке эффективности мер фискального стимулирования экономики

Вотинов А. И., Станкевич И. П., Финансовый журнал 2017 № 6 С. 64–74

Оценка эффективности государственных расходов, как в целом, так и отдельных их статей, – крайне важная задача, особенно в условиях, когда монетарная политика постепенно теряет возможность дальше стимулировать экономику. В настоящей работе представлены два популярных подхода к оценке фискальных мультипликаторов – коэффициентов эффективности государственных расходов – на основе структурных векторных авторегрессий и байесовских векторных авторегрессий с ...

Добавлено: 10 января 2018 г.

Edge-Preserving Denoising Based on Dynamic Programming on the Full Set of Adjacency Graphs

Фам К. Т., Kopylov A. V., Dvoenko S. D., Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci. 2017 No. XLII-2/W4 P. 55–60

Добавлено: 3 октября 2017 г.

Robust Variational Inference

Фигурнов М. В., Струминский К. А., Ветров Д. П., / Series arXiv:1611.09226 "arxiv.org". 2016.

Добавлено: 30 ноября 2016 г.

Вариация мартингалов со значениями в вероятностных мерах и повторяющиеся игры с неполной информацией

Сандомирский Ф. А., Доклады Российской академии наук. Математика, информатика, процессы управления (ранее - Доклады Академии Наук. Математика) 2012 Т. 447 № 3 С. 274–276

При помощи связи между повторяющимися играми с неполной информацией и задачами о максимальной вариации мерозначных мартингалов исследуется максимальная скорость роста значения повторяющихся игр с числом повторений, в случае, если множестов состояний в игре бесконечно. ...

Добавлено: 23 октября 2015 г.

Variational Inference for Sequential Distance Dependent Chinese Restaurant Process

Бартунов С. О., Ветров Д. П., , in: JMLR Workshop and Conference ProceedingsIssue 32: Proceedings of The 31st International Conference on Machine Learning.: Beijing: Microtome Publishing, 2014. P. 1404–1412.

Добавлено: 4 марта 2015 г.