跳到正文
热点事件持续更新

多域协方差匹配算法识别依赖成分

1 篇报道1 个报道来源10 小时前更新

先了解这件事

AI 综述

Danru Xu 等作者提出多域线性混合模型,允许潜在成分之间存在依赖关系,各域仅通过成分的域特定缩放不同,而潜在成分分布跨域一致。作者称,在域变异性充分时,仅凭二阶统计量即可识别潜在变量与混合函数。 据此提出的 Multi-Domain Covariance Matching(MuDo-CoM)算法推广了此前的联合对角化方法,并已在模拟数据和真实 fMRI 数据集上得到验证。

AI 根据报道生成 · 55 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月21日
  1. arXiv cs.AI
    从多域线性混合中识别相关成分:MuDo-CoM 算法

    研究提出多域线性混合模型,允许潜在成分之间存在依赖关系,各域仅通过成分的域特定缩放不同,而潜在成分分布跨域一致。在域变异性充分时,仅凭二阶统计量即可识别潜在变量与混合函数,据此提出的 Multi-Domain Covariance Matching(MuDo-CoM)算法推广了此前的联合对角化方法。MuDo-CoM 已在模拟数据和真实 fMRI 数据集上得到验证。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。