Zobrazeno 1 - 10
of 1 072
pro vyhledávání: '"infinite mixture model"'
Autor:
Ye, Fei, Bors, Adrian G.
Recent research efforts in lifelong learning propose to grow a mixture of models to adapt to an increasing number of tasks. The proposed methodology shows promising results in overcoming catastrophic forgetting. However, the theory behind these succe
Externí odkaz:
http://arxiv.org/abs/2108.12278
We propose a Bayesian nonparametric mixture model for prediction- and information extraction tasks with an efficient inference scheme. It models categorical-valued time series that exhibit dynamics from multiple underlying patterns (e.g. user behavio
Externí odkaz:
http://arxiv.org/abs/1706.06178
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
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:
IEEE Access, Vol 5, Pp 2228-2240 (2017)
As a powerful nonparametric Bayesian model, the infinite mixture model has been successfully used in machine learning and computer vision. The success of the infinite mixture model owes to the capability clustering and density estimation. In this pap
Externí odkaz:
https://doaj.org/article/df5ee8b5058b442fb17f5a8d076be1e9
Publikováno v:
Computers, Materials & Continua. 72:1139-1156
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::463de8486d8c97036f4e12c596b4a244
https://doi.org/10.32604/cmc.2022.022959
https://doi.org/10.32604/cmc.2022.022959
Conference
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Angelini, Claudia1 (AUTHOR), De Canditiis, Daniela1 (AUTHOR) d.decanditiis@iac.cnr.it, Pensky, Marianna2 (AUTHOR)
Publikováno v:
Journal of Applied Statistics. Jan2012, Vol. 39 Issue 1, p129-149. 21p. 3 Charts, 7 Graphs.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Fei Ye, Adrian G. Bors
Recent research efforts in lifelong learning propose to grow a mixture of models to adapt to an increasing number of tasks. The proposed methodology shows promising results in overcoming catastrophic forgetting. However, the theory behind these succe
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::95b51b83fbc5bc7493917bb60ec720a3