典型文献
基于全局属性注意力神经过程模型的数据补全研究
文献摘要：
注意力神经过程(Attentive Neural Process,ANP)模型采用生成模型的方法,以样本的任意局部上下文点为输入,输出整个样本的分布函数,从而模仿高斯过程回归完成数据补全任务.样本的属性信息可以为样本的生成提供重要信息,然而ANP模型忽略了对属性信息的使用.受条件变分自动编码机(CVAE)模型以标签为条件控制样本生成的启发,文中提出了全局属性注意力神经过程(Global-attribute Attentive Neural Process,GANP),将样本属性嵌入到编码器网络,从而使浅层变量隐含样本属性信息.同时,在解码器网络中加入样本属性作为特征,使模型的生成样本更为准确,特别是当输入上下文点数量稀少时,属性信息能够帮助模型生成更清晰、准确的样本.最后,从定性和定量两个方面证明了GANP性能的优越性,可以看出该模型扩展了NP家族模型的应用范围,从而更灵活、快速、准确地解决只有部分上下文信息时整个样本的数据补全问题.
文献关键词：
神经过程;交叉注意力;变分推断;高斯过程;全局属性
中图分类号：
作者姓名：
程恺;刘满;王之腾;毛绍臣;申秋慧;张宏军
作者机构：
中国人民解放军陆军工程大学指挥控制工程学院 南京210007;中国人民解放军73131部队 福建漳州363000
文献出处：
引用格式：
[1]程恺;刘满;王之腾;毛绍臣;申秋慧;张宏军-.基于全局属性注意力神经过程模型的数据补全研究)[J].计算机科学,2022(10):111-117
A类：
GANP
B类：
全局属性,神经过程,过程模型,数据补全,Attentive,Neural,Process,生成模型,局部上下文,分布函数,高斯过程回归,属性信息,重要信息,自动编码机,CVAE,签为,制样,样本生成,Global,attribute,编码器,解码器,稀少,少时,信息能,模型生成,定性和定量,更灵,上下文信息,交叉注意力,变分推断
AB值：
0.349135
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
