蒋晓娟
- 作品数：3 被引量：4H指数：1
- 供职机构：中国科学院自动化研究所更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术理学更多>>
- 基于退火过渡采样的无向主题模型学习方法被引量：1
- 2016年
- Replicated Softmax model,是用于文本数据挖掘的无向概率主题模型,为描述语料库的主题分布提供了一个功能强大的框架.然而,作为一个无向的概率图模型,由于归一化常数的存在,该模型的参数学习是十分困难的.针对这一问题,利用退火过渡马尔科夫蒙特卡洛采样方法,借助近似极大似然学习的思想,实现了模型的参数学习.该算法采用基于退火过渡的马尔科夫蒙特卡洛采样方法,高效地探索存在多个孤立的模态的概率分布,提高对概率分布的逼近程度,从而提高了参数学习的效率和精度.实验结果证明了算法在训练时间、泛化能力和文档检索等三个方面的优势.
- 蒋晓娟张文生杨阳
- 加权网络的在线结构学习算法被引量：3
- 2016年
- 随着互联网技术的进步,网络关系数据不断涌现,规模不断膨胀,网络数据的结构分析成为机器学习和网络应用领域的研究热点.为了提高推理效率,文中提出加权网络的在线结构学习算法.首先,使用指数族分布描述加权网络的生成过程.然后,利用随机变分推理方法,构建加权网络的在线结构学习算法.该算法采用基于重采样技术的增量学习方式,降低优化的时间复杂度.最后,利用基于自然梯度理论的随机优化方法进一步加速学习过程,实现网络社区结构的在线学习和实时优化.通过与传统的离线学习算法进行对比实验,验证文中算法能高效快速地实现复杂加权网络的社区结构学习,并在较短时间内达到较高的预测精度.
- 蒋晓娟张文生
- 关键词：加权网络概率图模型
- 基于退火过渡采样的无向主题模型学习方法
- Replicated Softmax model,是用于文本数据挖掘的无向概率主题模型,为描述语料库的主题分布提供了一个功能强大的框架.然而,作为一个无向的概率图模型,由于归一化常数的存在,该模型的参数学习是十分困难的....
- 蒋晓娟张文生
