Zobrazeno 1 - 4
of 4
pro vyhledávání: '"Rugeles, Daniel"'
In text mining, topic models are a type of probabilistic generative models for inferring latent semantic topics from text corpus. One of the most popular inference approaches to topic models is perhaps collapsed Gibbs sampling (CGS), which typically
Externí odkaz:
http://arxiv.org/abs/2301.12974
Bayesian graphical models have been shown to be a powerful tool for discovering uncertainty and causal structure from real-world data in many application fields. Current inference methods primarily follow different kinds of trade-offs between computa
Externí odkaz:
http://arxiv.org/abs/1802.06526
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Dash, Manoranjan, Koo, Kee Kiat, Gomes, Joao Bartolo, Krishnaswamy, Shonali Priyadarsini, Rugeles, Daniel, Shi-Nash, Amy
Publikováno v:
2015 IEEE International Conference on Pervasive Computing & Communication Workshops (PerCom Workshops); 2015, p469-474, 6p
