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。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

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