.png){kind=icon}
返回
Variational autoencoder for distributional learning via quantile function estimation
.png){kind=icon}
OA
AI
DOI：10.1016/j.neunet.2025.107956.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 本文介绍了一种变分自编码器（VAE）模型，该模型通过将重构损失替换为连续等级概率得分（CRPS，一种严格适当的评分规则），实现了分布学习，从而便于分位数函数的非参数估计。
• 我们证明，我们的重构损失可以通过使用无限个不对称拉普拉斯分布的混合，从数据对数似然函数的下界中推导出来，将我们的方法定位为VAE框架内的一种方法。
• 我们证明，我们提出的损失函数作为真实累积分布函数（CDF）与我们估计的CDF之间的Cramér-von Mises准则的上界。
• 我们提供了理论证明，表明我们的合成数据生成过程在不需重新训练的情况下保持差分隐私。
• 我们的数值实验证实，在统计保真度和机器学习效用方面，特别是在下游特征选择任务中，我们提出的方法在生成合成表格数据方面表现出增强的性能。
Keyword:
Distributional learning
Variational autoencoder
Quantile estimation
Continuous ranked probability score
Tabular data synthesis
期刊
IF:
6.3
论文数:
7.9K
被引数:
3.0W
机构
引用论文
Strategic serial extractions and immediate implantation for interdental papilla preservation: A case report战略性序列拔牙与即刻种植术用于牙间乳突保留：一例病例报告
OAAI
OAAI分享收藏Munjal, P., Paul, A., & Krishnan, N. C. (2019). Implicit discriminator in variational autoencoder. 2020 international joint conference on neural networks (IJCNN), (pp. 1–8).Munjal, P., Paul, A., & Krishnan, N. C. (2019). 变分自编码器中的隐式判别器. 2020年国际神经网络联合会议（IJCNN）,(pp. 1–8)..png)
IF0
PREAI
分享收藏Variational Autoencoder With Optimizing Gaussian Mixture Model Priors优化高斯混合模型先验的变分自动编码器IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Akrami, H., Joshi, A., Aydore, S., & Leahy, R. (2022). Deep quantile regression for uncertainty estimation in unsupervised and supervised lesion detection. Machine Learning for Biomedical Imaging, 1, 1–23. 10.59275/j.melba.2022-6751Akrami, H., Joshi, A., Aydore, S., & Leahy, R. (2022). 深度分位数回归在无监督和监督病灶检测中的不确定性估计。生物医学影像机器学习，1，1–23. 10.59275/j.melba.2022-6751
IF0
PREAI
分享收藏
查看更多内容