跳到正文
热点事件持续更新

HOLMES模型实现无监督分层潜在结构在线学习

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

研究团队提出HOLMES模型,结合嵌套中国餐馆过程先验与序贯蒙特卡洛推理,实现无需显式监督的分层潜在结构在线学习。 在模拟实验中,HOLMES匹配了扁平模型的预测性能,同时习得更紧凑的表示,支持向高层潜在类别的单次向后迁移。 该模型在正向迁移任务中利用抽象形状级表示,实现对未见特征组合的超偶然结果预测,为序贯数据分层结构发现提供可行框架。

AI 根据报道生成 · 15 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · ML
    HOLMES:通过在线推理实现分层潜在结构学习

    研究团队提出 HOLMES 模型,结合嵌套中国餐馆过程先验与序贯蒙特卡洛推理,实现无需显式监督的分层潜在结构在线学习。 在模拟实验中,HOLMES 匹配了扁平模型的预测性能,同时习得更紧凑的表示,支持向高层潜在类别的单次向后迁移。 该模型在正向迁移任务中,利用抽象形状级表示实现对未见特征组合的超偶然结果预测,为序贯数据分层结构发现提供了可行框架。

本事件热度走势

可比范围当前
6
可比范围峰值
1011月20日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。