基于粒子的贝叶斯非负矩阵分解变分方法
穆罕默德·马苏德（Muhammad A Masood），Finale Doshi-Velez; 20(90):1−56, 2019.
摘要
贝叶斯非负矩阵分解（BNMF）是理解矩阵数据中不确定性和结构的一种很有前途的方法。然而，大量的应用工作优化了传统的非贝叶斯NMF目标，这些目标未能对NMF固有的不可识别性提供原则性理解，这是贝叶斯方法理想解决的问题。尽管它们适用，但当前的BNMF方法在应用环境中未能获得普及；它们牺牲了建模的灵活性来进行易处理的计算，往往陷入局部模式，并且可能需要数千个样本来进行有意义的不确定性估计。我们通过基于粒子的BNMF变分方法来解决这些问题，该方法只需要联合似然可微以便于计算，使用一种新的基于传输的初始化技术来识别后部的多个模式，因此，领域专家可以检查一组准确代表后验的因子分解。在几个实际数据集上，我们在比基线更短的时间内获得了更好的BNMF后验粒子近似值，并证明了多模态在NMF相关任务中的重要作用。
[腹肌]
[pdf格式][围兜]
