典型文献
贝叶斯推理模型Index-GMVAE在随机数据缺失填补中的应用
文献摘要：
变分自编码器(VAE)推理随机缺失数据还原是近年来一种新兴的数据填补方法,但传统的VAE算法存在后验分布单一,变分推断证据下界收敛慢等问题.因此,提出了一种采用高斯混合后验分布和缺失数据位置掩码推理缺失数据还原的新的贝叶斯推理网络框架——Index-GMVAE.在Mnist手写数字数据集和Adult数据集上分别做了实验验证,仿真结果表明,提出的算法能明显提高证据下界的收敛速度,相比于VAE算法,将缺失数据推理还原的准确率提高了10％左右,且在图像数据集和异构二分类数据集上均有效提高了模型的概率隐变量层的推理性能,体现了对不同结构数据的普适性.
文献关键词：
变分自编码器;高斯混合模型;缺失位置掩码;证据下界
中图分类号：
作者姓名：
马超;蔡猛;李建勋
作者机构：
上海交通大学自动化系,上海 200240;中国航空工业集团洛阳电光设备研究所,河南 洛阳 471009
文献出处：
引用格式：
[1]马超;蔡猛;李建勋-.贝叶斯推理模型Index-GMVAE在随机数据缺失填补中的应用)[J].指挥控制与仿真,2022(01):32-37
A类：
GMVAE,缺失数据还原,证据下界,缺失位置掩码
B类：
贝叶斯推理,推理模型,Index,随机数据,数据缺失,变分自编码器,随机缺失,原是,数据填补,填补方法,后验分布,变分推断,数据位,网络框架,Mnist,手写数字,字数,Adult,收敛速度,数据推理,图像数据集,二分类,分类数据,隐变量,推理性,高斯混合模型
AB值：
0.310086
相似文献
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。
