Zobrazeno 1 - 9
of 9
pro vyhledávání: '"Ke, Xiongwen"'
In this paper, we study Bayesian approach for solving large scale linear inverse problems arising in various scientific and engineering fields. We propose a fused $L_{1/2}$ prior with edge-preserving and sparsity-promoting properties and show that it
Externí odkaz:
http://arxiv.org/abs/2409.07874
In this paper, we propose an efficient simulation method based on adaptive importance sampling, which can automatically find the optimal proposal within the Gaussian family based on previous samples, to evaluate the probability of bit error rate (BER
Externí odkaz:
http://arxiv.org/abs/2303.03575
Autor:
Ke, Xiongwen, Fan, Yanan
The goal of Bayesian deep learning is to provide uncertainty quantification via the posterior distribution. However, exact inference over the weight space is computationally intractable due to the ultra-high dimensions of the neural network. Variatio
Externí odkaz:
http://arxiv.org/abs/2210.12957
Autor:
Ke, Xiongwen, Fan, Yanan
It is well known that Bridge regression enjoys superior theoretical properties when compared to traditional LASSO. However, the current latent variable representation of its Bayesian counterpart, based on the exponential power prior, is computational
Externí odkaz:
http://arxiv.org/abs/2108.03464
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Ke, Xiongwen
Nowadays, high-dimensional models, where the number of parameters or features can even be larger than the number of observations are encountered on a fairly regular basis due to advancements in modern computation. For example, in gene expression data
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::8ddee1474c683cc168b1a0ade02fbd2d
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Journal of Wuhan Institute of Physical Education; 8/15/2020, Vol. 54 Issue 8, p94-100, 7p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.