Открытый код ФКН ВШЭ@hse_cs_opensource P.34

Notice: file_put_contents(): Write of 1529 bytes failed with errno=28 No space left on device in /var/www/tgoop/post.php on line 50

Warning: file_put_contents(): Only 16384 of 17913 bytes written, possibly out of free disk space in /var/www/tgoop/post.php on line 50
Открытый код ФКН ВШЭ@hse_cs_opensource P.34

HSE_CS_OPENSOURCE Telegram 34

Открытый код ФКН ВШЭ

GP-VAE

Модель для вероятностного заполнения пропусков во временных рядах. Авторы работы сравнивают свой подход с классическими моделями глубинного обучения для решения задачи заполнения пропусков, решая проблему ненадежности и малой интерпоетируемости последних. Модель со скрытыми переменными предполагает, что многомерные данные имеют низкоразмерное представление, изменяющиеся с течением времени согласно гауссовскому процессу. Нелинейное снижение размерности пропущенных данных достигается с помощью подхода VAE с новым структурированным вариационным приближением. В экспериментальной части исследователи демонстрируют, что такой подход превосходит несколько классических нейросетевых моделей заполнения пропусков для многомерных данных разной модальности, одновременно предоставляя интерпретируемые оценки неопределенности. Код может быть полезен data science специалистам и исследователям, работающим с временными рядами.

статья | код

GitHub - ratschlab/GP-VAE: TensorFlow implementation for the GP-VAE model described in https://arxiv.org/abs/1907.04155

TensorFlow implementation for the GP-VAE model described in https://arxiv.org/abs/1907.04155 - ratschlab/GP-VAE

🔥13👍1

www.tgoop.com/hse_cs_opensource/34

1.19K viewsedited Sep 20, 2024 at 09:46

tgoop.com/hse_cs_opensource/34

Create: 2024-09-20
Last Update: 2025-07-23 17:30:49

GP-VAE

Модель для вероятностного заполнения пропусков во временных рядах. Авторы работы сравнивают свой подход с классическими моделями глубинного обучения для решения задачи заполнения пропусков, решая проблему ненадежности и малой интерпоетируемости последних. Модель со скрытыми переменными предполагает, что многомерные данные имеют низкоразмерное представление, изменяющиеся с течением времени согласно гауссовскому процессу. Нелинейное снижение размерности пропущенных данных достигается с помощью подхода VAE с новым структурированным вариационным приближением. В экспериментальной части исследователи демонстрируют, что такой подход превосходит несколько классических нейросетевых моделей заполнения пропусков для многомерных данных разной модальности, одновременно предоставляя интерпретируемые оценки неопределенности. Код может быть полезен data science специалистам и исследователям, работающим с временными рядами.

статья | код

BY Открытый код ФКН ВШЭ

Share with your friend now:
tgoop.com/hse_cs_opensource/34

Open in Telegram

Telegram News

Date: 2025-07-23|

Add the logo from your device. Adjust the visible area of your image. Congratulations! Now your Telegram channel has a face Click “Save”.! For crypto enthusiasts, there was the “gm” app, a self-described “meme app” which only allowed users to greet each other with “gm,” or “good morning,” a common acronym thrown around on Crypto Twitter and Discord. But the gm app was shut down back in September after a hacker reportedly gained access to user data. How to create a business channel on Telegram? (Tutorial) Hui said the time period and nature of some offences “overlapped” and thus their prison terms could be served concurrently. The judge ordered Ng to be jailed for a total of six years and six months. Hashtags are a fast way to find the correct information on social media. To put your content out there, be sure to add hashtags to each post. We have two intelligent tips to give you:
from us

Telegram Открытый код ФКН ВШЭ
FROM American