2013年UAI 29日:美国华盛顿州贝尔维尤
安·尼科尔森 , 帕德拉克·斯迈思 :
《第二十届人工智能不确定性会议论文集》,UAI 2013,美国华盛顿州贝尔维尤,2013年8月11日至15日。 AUAI出版社 2013 马克·迈尔 , 卡特琳娜·马拉佐波卢 , 大卫·阿尔布尔 , 大卫·D·延森 :
一种从关系数据中学习因果模型的完善算法。 赵培林 , 史蒂芬·C·H·海 , 金凤庄 :
通过专家建议积极学习。 希拉兹·艾哈迈德 , 安吉拉·J·余 :
主动感知作为贝叶斯最优顺序决策。 詹姆斯·库森 , 马克·巴特利特 :
使用整数规划的贝叶斯网络学习的进展。 查尔斯·特利普 , 罗斯·D·沙赫特 :
连续状态空间MDP的近似卡尔曼滤波Q学习。 帕特里斯·佩尼 , 保罗·翁 , 朱迪·戈德史密斯 , 约西亚·汉纳 :
多目标马尔可夫决策过程中洛伦兹最优解的逼近。 鸿步(Hung Bui) , Tuyen N.Huynh公司 , 塞巴斯蒂安·里德尔 :
图形模型的自同构群和提升的变分推理。 阿尔博兹·杰拉米法德 , 托马斯·沃尔什 , 尼古拉斯·罗伊 , 乔纳森·P·霍 :
Batch-iFDD用于大型MDP中的表示扩展。 张超 :
Bennett型推广界:大偏差情况和更快的收敛速度。 强夫 , 王华华 , 阿林达姆·巴纳吉 :
Bethe-ADMM用于基于树分解的并行MAP推断。 尼古拉斯·鲁齐 :
超越对数超模块:下限和Bethe配分函数。 Jakramate Bootkrajang公司 , 阿塔·卡班 :
在标签噪音存在时增强。 路易斯·古斯塔沃·维亚纳 , 斯科特·桑纳 , Leliane Nunes de Barros(巴罗斯修女) :
混合MDP的有界近似符号动态规划。 拉维·甘蒂 , 亚历山大·格雷 :
搭建桥梁:从多臂强盗镜头看主动学习。 彼得·斯皮特斯 :
部分非线性和循环模型中隐含秩约束的计算。 桑哈克·李 , 瓦桑特·霍纳瓦尔 :
可控变量子集实验的因果可运输性:z-可运输性。 阿克沙特·库马尔 , 丹尼尔·谢尔顿 , 比普拉夫·斯利瓦斯塔瓦 :
网络上的集体扩散:模型和推断。 奥卢瓦桑米·科耶霍 , 乔伊迪普·戈什 :
低秩多任务学习中的约束贝叶斯推理。 郝成 , 张新华 , 戴尔·舒尔曼斯 :
Bregman散度聚类的凸松弛。 乔里斯·M·穆伊 , 汤姆·海斯克斯 :
从连续平衡数据中发现循环因果关系。 阿马尔·沙阿 , 邹宾·加拉马尼 :
决定性聚类过程——基于核的半监督聚类的非参数贝叶斯方法。 安蒂·海蒂宁 , 帕特里克·O·霍耶 , 弗雷德里克·埃伯哈特 , 马蒂·贾维萨洛 :
发现具有潜在变量的循环因果模型:基于SAT的通用程序。 Deepak Venugopal公司 , Vibhav戈盖特 :
吉布斯采样的动态阻塞和折叠。 布兰登·M·马龙 , 昌河苑 :
评估学习最优贝叶斯网络的任意时间算法。 迈克尔·帕克 , 约瑟夫·杰·威廉姆斯 , 席晨 , 塔妮娅·隆布罗佐 , 托马斯·格里菲斯 :
使用人类判断评估解释的计算模型。 米查尔·瓦尔科 , 纳撒尼尔·科尔达 , 雷米·穆诺斯 , 伊利亚斯·弗劳纳斯 , 克里斯蒂亚尼尼 :
核心化上下文强盗的有限时间分析。 乔里斯·M·穆伊 , 多米尼克·詹津 , 伯恩哈德·舍尔科夫 :
从常微分方程到结构因果模型:确定性案例。 詹姆斯·亨斯曼 , 尼科洛·福西 , 尼尔·D·劳伦斯 :
大数据的高斯过程。 塔米姆·阿德尔 , 本·史密斯 , 鲁思·厄纳 , 丹尼尔·斯塔舒克(Daniel W.Stashuk) , 丹尼尔·利佐特 :
用于定量肌电图的生成多实例学习模型。 Krishnakumar Balasubramanian语 , 余凯(Kai Yu) , 张彤(音译) :
多任务学习的高维联合稀疏随机效应模型。 拜伦·布茨 , 杰弗里·戈登 , 亚瑟·格雷顿 :
预测状态表示的希尔伯特空间嵌入。 斯蒂芬·H·巴赫 , 伯特·黄 , 本·伦敦 , 莉斯·盖托 :
铰链损失马尔可夫随机场:结构化预测的凸推断。 埃利尼·斯古里萨 , 多米尼克·詹津 , 乔纳斯·彼得斯 , 伯恩哈德·舍尔科夫 :
识别非参数乘积分布的有限混合和混淆器的因果推断。 谢鹏涛 , 埃里克·P·星 :
集成文档聚类和主题建模。 让·霍诺里奥 , 托米·贾科拉 :
线性时间和空间中高维数据的逆协方差估计:Riccati和稀疏模型的谱方法。 Ofer Meshi公司 , 伊拉德·伊班 , Gal Elidan公司 , 埃米尔·格洛普森(Amir Globerson) :
学习最大值树预测器。 詹姆斯·麦金纳尼 , 亚历克斯·罗杰斯 , 尼古拉斯·R·詹宁斯 :
从发展中国家众包援助提供的稀疏数据中学习周期性人类行为模型。 汤姆·克拉森 , 乔里斯·M·穆伊 , 汤姆·海斯克斯 :
学习稀疏因果模型不是NP-hard。 保罗·比姆 , 杰里·李 , 苏迪帕·罗伊 , 丹素秋(Dan Suciu) :
精确模型计数的下界及其在概率数据库中的应用。 尼提什·斯利瓦斯塔瓦 , 鲁斯兰·萨拉库丁诺夫 , 杰弗里·欣顿 :
使用深度玻尔兹曼机对文档进行建模。 佐哈尔·费尔德曼 , 卡梅尔·多姆什拉克 :
蒙特卡罗规划:理论上的快速收敛符合实际效率。 侯赛因·哈吉米拉德吉 , 李金陵 , 格雷格·莫里 , 穆罕默德·扎基 , 塔里克说 :
基于马尔可夫网络判别训练的多实例学习。 斯特凡·罗斯 , 保罗·米内罗 , 习专家约翰·朗福特 :
规范化在线学习。 阿德里安·韦勒 , 托尼·杰巴拉 :
关于MWSS在完美图上的MAP推理。 Denis Deratani Mauá , 凯西奥·波尔波·德·坎波斯 , 阿莱西奥·本纳沃利 , 亚历山德罗·安东努奇 :
论强认知信念网络的复杂性。 克里卡莫尔·穆安德特 , 伯恩哈德·舍尔科夫 :
用于组异常检测的一类支持测量机。 斯特凡诺·埃蒙 , 卡拉·戈麦斯 , 阿什什·萨巴瓦尔 , 巴特·塞尔曼 :
奇偶约束优化:从二进制代码到离散积分。 陈杰(音译) , 南南曹 , Kian Xiang Low公司 , 若菲欧阳 , Colin Keng-Yan Tan先生 , 帕特里克·贾利特 :
采用低秩协方差矩阵近似的并行高斯过程回归。 西格尔·奥伦 , 迈克尔·夏皮拉 , 莫西·坦尼霍尔茨 :
付费或游戏。 克里希南德·查特吉 , 马丁·克梅利克 :
概率语义学下的POMDP。 侯赛因·阿扎里·苏菲亚尼 , 大卫·C·帕克斯 , 李荣霞 :
一般随机效用模型的偏好启发。 达米安·比戈 , 布鲁诺·扎努蒂尼 , 赫莱娜·法吉尔 , 杰罗姆·门根 :
概率条件偏好网络。 阿里斯蒂德·C·Y·托索 , 克里斯托斯·迪米特拉卡基斯 :
未知环境下的概率逆强化学习。 尼古拉斯·杜鲁加德 , 佛罗伦特·泰克泰尔·科尼斯布赫(Florent Teichteil-Königsbuch) , Jean-Loup Farges公司 , 迪迪埃·杜布瓦 :
定性可能的混合可观察MDP。 瓦夏克·贝勒 , 赫克托·J·列夫斯克 :
使用目标回归推理动态系统中的概率。 艾玛·布伦斯基 , 李洪丽 :
多任务强化学习的复杂性示例。 维卡斯·辛德瓦尼 , 哈广明 , 奥雷利·C·洛扎诺 :
高维非线性多元回归和Granger因果关系的可伸缩矩阵值核学习。 乔尔戈斯·博尔布达基斯 , Ioannis Tsamardinos公司 :
基于因果和关联先验的贝叶斯网络评分和搜索。 马雷克·佩特里克 , Dharmashankar Subramanian公司 , Janusz Marecki公司 :
连续概率调制约束马尔可夫决策过程的求解方法。 Arindam狭河道 , 埃里克·汉森 , 昌河苑 :
使用分支定界搜索求解有限内存影响图。 伊利亚·施皮策 , 罗宾·J·埃文斯 , 托马斯·理查森 , 詹姆斯·罗宾斯 :
具有对数线性参数的稀疏嵌套马尔可夫模型。 艾略特·布伦纳 , 大卫·A·桑塔格 :
SparsityBoost:一种新的贝叶斯网络结构学习评分函数。 亚尼夫·坦泽尔 , Gal Elidan公司 :
Copula模型的快速模型选择(SMS)。 树子牛 , 燕燕兰 , 郭家峰 , 程雪琪 :
随机等级聚合。 永野清彦 , 川原幸男 :
子模约束下的结构凸优化。 Vibhav戈盖特 , 佩德罗·多明戈斯 :
结构化消息传递。 赛义德·阿米扎德 , 博·蒂森 , 米洛斯·奥斯克雷希特 :
Bregman变分对偶树框架。 里沙布·伊耶 , 杰夫·比尔姆斯 :
Lovasz-Bregman分歧以及与排名聚合、聚类和网络排名的联系。 诺维·夸迪安托 , 维克托里亚·沙曼斯卡 , 大卫·A·诺尔斯 , 邹宾·加拉马尼 :
受监督的IBP:保持邻域的无限潜在特征模型。 埃拉·梅祖曼 , 丹尼尔·塔洛 , 埃米尔·格洛普森(Amir Globerson) , 耶尔·韦斯 :
用于高阶图形模型的更严格的线性程序松弛。 日本铁锅 , 米科·科维斯托 :
Treedy:计算和采样子集的启发式方法。 约纳坦·哈尔珀 , 大卫·A·桑塔格 :
噪声或贝叶斯网络的无监督学习。 岩田聪 , 大卫·杜维诺 , 邹宾·加拉马尼 :
非参数簇形状的扭曲混合。