We propose in this paper a probabil

We propose in this paper a probabilistic approach for adaptive inference
of generalized nonlinear classification that combines the computational
advantage of a parametric solution with the flexibility of sequential sampling
techniques. We regard the parameters of the classifier as latent
states in a first order Markov process and propose an algorithm which
can be regarded as variational generalization of standard Kalman filtering.
The variational Kalman filter is based on two novel lower bounds
that enable us to use a non-degenerate distribution over the adaptation
rate. An extensive empirical evaluation demonstrates that the proposed
method is capable of infering competitive classifiers both in stationary
and non-stationary environments. Although we focus on classification,
the algorithm is easily extended to other generalized nonlinear models.

ผลลัพธ์ (ไทย) 1:

เราเสนอในเอกสารนี้เป็นแนวทาง probabilistic ข้อแบบอะแดปทีฟไม่เชิงเส้นการจัดประเภทเมจแบบทั่วไปที่รวมการคำนวณประโยชน์ของโซลูชันพาราเมตริก มีความยืดหยุ่นของการสุ่มตัวอย่างตามลำดับเทคนิคการ เราพิจารณาพารามิเตอร์ของ classifier เป็นแฝงอยู่อเมริกาเป็นครั้งแรกสั่ง Markov กระบวนการ และขั้นตอนวิธีการเสนอซึ่งสามารถถือเป็น generalization variational กรอง Kalman มาตรฐานตัวกรอง Kalman variational ขึ้นอยู่กับขอบเขตล่างนวนิยาย 2ที่ช่วยให้เราสามารถใช้การกระจายไม่ใช่ degenerate ผ่านการปรับตัวอัตรา การประเมินผลอย่างละเอียดแสดงให้เห็นที่นำเสนอวิธีจะสามารถ infering แข่งขันคำนามภาษาทั้งในการเขียนและสภาพแวดล้อมไม่ใช่เขียน ถึงแม้ว่าเราเน้นประเภทอัลกอริทึมมีขยายได้กับแบบจำลองไม่เชิงเส้นอื่น ๆ เมจแบบทั่วไป

ผลลัพธ์ (ไทย) 2:

เราเสนอในบทความนี้น่าจะเป็นวิธีการหาข้อสรุปการปรับตัวของการจำแนกเชิงเส้นทั่วไปที่รวมคำนวณประโยชน์ของการแก้ปัญหาตัวแปรที่มีความยืดหยุ่นของการสุ่มตัวอย่างลำดับเทคนิค เราถือว่าพารามิเตอร์ของลักษณนามเป็นแฝงรัฐที่อยู่ในขั้นตอนการสั่งซื้อครั้งแรกมาร์คอฟและนำเสนอขั้นตอนวิธีการที่สามารถถือเป็นลักษณะทั่วไปแปรผันกรองคาลมานมาตรฐาน. ตัวกรองคาลมานแปรผันขึ้นอยู่กับสองขอบเขตล่างนวนิยายที่ช่วยให้เราใช้ไม่ใช่กระจาย -degenerate มากกว่าการปรับอัตรา การประเมินเชิงประจักษ์ที่กว้างขวางแสดงให้เห็นว่าที่นำเสนอวิธีการที่มีความสามารถในการแข่งขัน infering แยกแยะทั้งนิ่งและสภาพแวดล้อมที่ไม่หยุดนิ่ง ถึงแม้ว่าเราจะมุ่งเน้นไปที่การจัดหมวดหมู่อัลกอริทึมจะขยายออกไปได้อย่างง่ายดายเพื่อรูปแบบไม่เชิงเส้นอื่น ๆ ทั่วไป

ผลลัพธ์ (ไทย) 3:

เรานำเสนอในบทความนี้เป็นวิธีความน่าจะเป็นสำหรับการอนุมานแบบไม่เชิงเส้นของการจำแนก
ที่รวมประโยชน์คอมพิวเตอร์
ของโซลูชั่นพารามิเตอร์ที่มีความยืดหยุ่นของลำดับ
เทคนิคการสุ่มตัวอย่าง เราพิจารณาพารามิเตอร์ของตัวเป็นแฝง
รัฐในกระบวนการคำสั่งแบบแรกและนำเสนออัลกอริทึมซึ่ง
สามารถถือเป็นการแปรผันของมาตรฐานการกรองคาลมาน .
ตัวกรองคาลมานแปรผันตามสองนวนิยายลดขอบเขต
ที่ช่วยให้เราใช้ไม่ทรามกระจายผ่านการปรับตัว
อัตรา การประเมินเชิงประจักษ์อย่างกว้างขวางแสดงให้เห็นว่าเสนอ
วิธีสามารถ infering ที่มีการแข่งขันทั้งในด้านเครื่องเขียน
และสภาพแวดล้อม non-stationary .แม้เรามุ่งเน้นการ
เป็นกลไกขยายได้อย่างง่ายดายเพื่ออื่น ๆทั่วไป แบบจำลองเชิงเส้น .