🏠 Accueil
基準測試
📊 Tous les Benchmarks 🦖 Dinosaure v1 🦖 Dinosaure v2 ✅ To-Do List Apps 🎨 Pages Libres 🎯 FSACB - Showcase 🌍 Traduction
Modèles
🏆 Top 10 Modèles 🆓 Modèles Gratuits 📋 Tous les Modèles ⚙️ Modes Kilo Code
Ressources
💬 Prompts IA 📖 人工智能詞彙表 🔗 Liens Utiles

AI 詞彙表

人工智能完整詞典

200
類別
2,608
子類別
30,011
術語
📖
術語

VIME

变分插补与掩码估计,一个缺失值插补框架,使用变分推断来联合建模数据分布和缺失掩码。

📖
術語

缺失掩码

指示每个观察和变量的数据存在(1)或缺失(0)的二进制矩阵,其分布在VIME中被建模。

📖
術語

变分自编码器(VAE)

学习数据概率隐表示的生成式神经网络架构,在VIME中用于建模完整数据分布。

📖
術語

MAR机制(随机缺失)

假设值缺失的概率仅取决于观测值的假设,条件上被VIME框架满足。

📖
術語

MNAR机制(非随机缺失)

缺失概率取决于缺失值本身的场景,VIME可通过其对掩码的联合估计来建模。

📖
術語

重要性重采样

在VIME中使用的蒙特卡洛估计技术,以降低方差来近似变分分布下的期望。

📖
術語

后验预测

整合模型参数不确定性的未来数据分布,VIME利用其生成真实的插补值。

📖
術語

推理摊销

变分参数由神经网络(编码器)生成而非单独优化的策略,允许高效处理大型数据集。

📖
術語

变分界分解

对ELBO(证据下界)的分解分析,包括不同项(重构、潜在正则化、掩码预测),指导VIME模型的架构和训练。

📖
術語

自回归插补

一种按顺序对缺失值进行插补的方法,基于之前的插补值进行条件化,是VIME变分方法的替代方案。

📖
術語

深度生成模型

学习数据概率分布的一类模型,VIME是专门处理带缺失值的结构化数据的示例。

🔍

搵唔到結果