推断.NET

NET是一个用于机器学习的.NET框架。它提供了最先进的消息传递算法和用于执行贝叶斯推理的统计例程。它在许多领域都有应用,包括信息检索、生物信息学、流行病学、视觉等。


zbMATH参考文献(27篇文章引用)

显示第1到第20个结果,共27个。
按年份排序(引用)
  1. Cox,Marco;van de Laar,Thijs;de Vries,Bert:贝叶斯信号处理算法自动设计的因子图方法(2019年)
  2. Jan Luts;Shen Wang;John Ormerod;Matt Wand:通过Infer.NET进行半参数回归分析(2018)不是zbMATH
  3. Kim,Andy S.I.;Wand,Matt P.:关于一般化、线性和混合模型的期望传播(2018)
  4. Chistikov,Dmitry;Dimitrova,Rayna;Majumdar,Rupak:SMT中的近似计数和概率程序的值估计(2017)
  5. Carpepper,Ryan;Cobb,Andrew:具有连续随机变量和评分的概率程序的上下文等价性(2017)
  6. Alexander L.Gaunt,Marc Brockschmidt,Rishabh Singh,Nate Kushman,Pushmete Kohli,Jonathan Taylor,Daniel Tarlow:用于程序归纳的概率编程语言(2016)第十四章
  7. Huang,Daniel;Morrisett,Greg:可计算分布在概率编程语言语义中的应用(2016)
  8. Kim,Andy S.I.;Wand,M.P.:简单统计模型的期望传播的显式形式(2016)
  9. Kiselyov,Oleg:概率编程语言及其增量评估(2016)
  10. Lee,Cathy Yuen Yi;Wand,Matt P.:用于纵向和多级数据分析的流线型平均场变分贝叶斯(2016)
  11. Luttinen,Jaakko:BayesPy:Python中的变分贝叶斯推理(2016)
  12. Bayesian-Kamronas,Simon-Kamronas,2015;相关成分分析
  13. Menictas,Marianne;Wand,Matt P.:异方差半参数回归的变分推断(2015)
  14. 苏浩;余,卫亚当斯:基于对象框架的场景概率建模(2015)ioport公司
  15. Hoffman,Matthew D.;Gelman,Andrew:无U形转弯取样器:在哈密顿蒙特卡罗中自适应设置路径长度(2014)
  16. Kim,Sungchul;Qin,Tao;Liu,Tie Yan;Yu,Hwanjo:以广告商为中心了解赞助搜索中用户点击行为的方法(2014)ioport公司
  17. Parson,Oliver;Ghosh,Siddhartha;Weal,Mark;Rogers,Alex:非侵入式设备负载监测的无监督培训方法(2014)ioport公司
  18. Bishop,Christopher M.:基于模型的机器学习(2013)
  19. Borgström,Johannes;Gordon,Andrew D;Greenberg,Michael;Margetson,James;Van Gael,Jurgen:用于贝叶斯机器学习的度量变换器语义(2013)
  20. Bettina Grün;Kurt Hornik:topicmodels:A R Package for Fitting Topic Models(2011年)不是zbMATH