主 题: 机器学习中的非参数贝叶斯方法
报告人: 张志华教授 (上海交通大学)
时 间: 2015-11-27 15:00 - 16:00
地 点: 理科一号楼 1114（数学所活动）
随着MCMC和变分推理方法的出现，非参数贝叶斯方法在应用统计和机器学习中获得了广泛使用。这个报告将讨论我们最近的两个工作，一是关于矩阵元的 Dirichlet 过程，它可以看成一种 所谓的"single p-DDP"的具体实现，可以用来刻画样本之间以及特征之间的相互关系，而且模型简单便于计算。二是复合泊松从属过程(Compound Poisson Subordinators)，它则是一种简单的一维Levy 过程。我们利用这个从属过程提出了一种贝叶斯非凸稀疏学习模型。
