Classifier Weighted Mixture models

Argouarc'h, Elouan; Desbouvries, François; Barat, Eric; Kawasaki, Eiji; Dautremer, Thomas

统计学 > 机器学习

arXiv:2501.02989 (stat)

[提交于 2025年1月6日 ]

标题：分类器加权混合模型

标题： Classifier Weighted Mixture models

Authors:Elouan Argouarc'h, François Desbouvries, Eric Barat, Eiji Kawasaki, Thomas Dautremer

摘要：本文提出了一种标准混合随机模型的扩展，通过使用分类器定义的功能性权重替换恒定的混合权重。分类器加权混合物在变分估计问题中实现了简单的密度评估、显式采样以及增强的表达能力，而无需增加组件数量或混合组件的复杂度。

摘要： This paper proposes an extension of standard mixture stochastic models, by replacing the constant mixture weights with functional weights defined using a classifier. Classifier Weighted Mixtures enable straightforward density evaluation, explicit sampling, and enhanced expressivity in variational estimation problems, without increasing the number of components nor the complexity of the mixture components.

主题：	机器学习 (stat.ML) ; 机器学习 (cs.LG)
引用方式：	arXiv:2501.02989 [stat.ML]
	(或者 arXiv:2501.02989v1 [stat.ML] 对于此版本)
	https://doi.org/10.48550/arXiv.2501.02989

提交历史

来自： Elouan Argouarc'h [查看电子邮件]
[v1] 星期一， 2025 年 1 月 6 日 12:57:13 UTC (1,005 KB)

统计学 > 机器学习

标题：分类器加权混合模型

标题： Classifier Weighted Mixture models

提交历史

获取论文：

参考文献与引用

收藏

文献和引用工具

与本文相关的代码，数据和媒体

演示

推荐器和搜索工具

arXivLabs：与社区合作伙伴的实验项目

统计学 > 机器学习

标题： 分类器加权混合模型 显示英文标题

标题： Classifier Weighted Mixture models

提交历史

获取论文：

参考文献与引用

BibTeX 格式的引用

收藏

文献和引用工具

与本文相关的代码，数据和媒体

演示

推荐器和搜索工具

arXivLabs：与社区合作伙伴的实验项目

标题：分类器加权混合模型