用于时间演进分区的精确推理

Research Paper#Machine Learning, Bayesian Inference, Nonparametric Models🔬 Research|分析: 2026年1月3日 20:11•
发布: 2025年12月26日 17:54
•
1分で読める
•ArXiv

分析

本文提出了一种新方法，用于在时间演进概率分布的非参数模型中进行精确推理，特别关注未标记的分区数据。主要贡献是一个易于处理的推理框架，避免了计算成本高昂的方法，如MCMC和粒子滤波。准共轭性和凝固算子的使用允许闭式、递归更新，从而实现高效的在线和离线推理以及具有完全不确定性量化的预测。在社会和遗传数据上的应用突出了该方法在实践中的相关性。
引用 / 来源
查看原文
"The paper develops a tractable inferential framework that avoids label enumeration and direct simulation of the latent state, exploiting a duality between the diffusion and a pure-death process on partitions."
A
ArXiv2025年12月26日 17:54
* 根据版权法第32条进行合法引用。
较旧

A2P-Vis: an Analyzer-to-Presenter Agentic Pipeline for Visual Insights Generation and Reporting

较新

Yume-1.5: A Text-Controlled Interactive World Generation Model

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv