Scalable learning of probabilistic circuits (2023)
- Authors:
- USP affiliated authors: MAUÁ, DENIS DERATANI - IME ; GEH, RENATO LUI - IME
- Unidade: IME
- DOI: 10.5753/ctd.2023.229457
- Subjects: APRENDIZADO COMPUTACIONAL; MODELOS PARA PROCESSOS ESTOCÁSTICOS; INTELIGÊNCIA ARTIFICIAL
- Language: Inglês
- Imprenta:
- Publisher: SBC
- Publisher place: Porto Alegre
- Date published: 2023
- Source:
- Conference titles: Congresso da Sociedade Brasileira de Computação - CSBC
- Este periódico é de assinatura
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: bronze
-
ABNT
GEH, Renato Lui e MAUÁ, Denis Deratani. Scalable learning of probabilistic circuits. 2023, Anais.. Porto Alegre: SBC, 2023. Disponível em: https://doi.org/10.5753/ctd.2023.229457. Acesso em: 27 abr. 2024. -
APA
Geh, R. L., & Mauá, D. D. (2023). Scalable learning of probabilistic circuits. In Anais. Porto Alegre: SBC. doi:10.5753/ctd.2023.229457 -
NLM
Geh RL, Mauá DD. Scalable learning of probabilistic circuits [Internet]. Anais. 2023 ;[citado 2024 abr. 27 ] Available from: https://doi.org/10.5753/ctd.2023.229457 -
Vancouver
Geh RL, Mauá DD. Scalable learning of probabilistic circuits [Internet]. Anais. 2023 ;[citado 2024 abr. 27 ] Available from: https://doi.org/10.5753/ctd.2023.229457 - End-to-end imitation learning of lane following policies using sum-product networks
- Fast and accurate learning of probabilistic circuits by random projections
- Learning probabilistic sentential decision diagrams by sampling
- Learning probabilistic sentential decision diagrams under logic constraints by sampling and averaging
- Hidden Markov models with set-valued parameters
- Advances in learning Bayesian networks of bounded treewidth
- Early classification of time series by Hidden Markov Models with set-valued parameters
- Initialization heuristics for greedy bayesian network structure learning
- Time robust trees: using temporal invariance to improve generalization
- On using sum-product networks for multi-label classification
Informações sobre o DOI: 10.5753/ctd.2023.229457 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 | 3156850.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
