贝塔过程先验的非参数因子分析][Nonparametric Factor Analysis with Beta Process Priors]

   首页 → 数学
   首页 → 力学
   首页 → 物理学

贝塔过程先验的非参数因子分析 Nonparametric Factor Analysis with Beta Process Priors


课程网址:	http://videolectures.net/icml09_paisley_nfa/
主讲教师:	John Paisley
开课单位:	杜克大学
开课时间:	2009-09-17
课程语种:	英语
中文简介:	我们使用beta过程先验提出了因子分析问题的非参数扩展。该β过程因子分析（BPFA）模型允许将数据集分解为稀疏因子集的线性组合，提供关于观察的基础结构的信息。与Dirichlet过程一样，β过程是一个完全贝叶斯共轭先验，它允许进行分析后验计算和直接推理。我们推导出变分贝叶斯推理算法，并在MNIST数字和HGDP CEPH细胞系面板数据集上演示该模型。
课程简介:	We propose a nonparametric extension to the factor analysis problem using a beta process prior. This beta process factor analysis (BPFA) model allows for a dataset to be decomposed into a linear combination of a sparse set of factors, providing information on the underlying structure of the observations. As with the Dirichlet process, the beta process is a fully Bayesian conjugate prior, which allows for analytical posterior calculation and straightforward inference. We derive a variational Bayes inference algorithm and demonstrate the model on the MNIST digits and HGDP-CEPH cell line panel datasets.
关键词:	因子分析; 非参数扩展; 线性组合
课程来源:	视频讲座网
最后编审:	2019-04-24：cwx
阅读次数:	288

境外开放课程导航