Transfromery v Bayesovské statistice
| školitel: | doc. Ing. Václav Šmídl, Ph.D. |
| e-mail: | zobrazit e-mail |
| typ práce: | bakalářská práce, diplomová práce |
| zaměření: | MI_MM, MI_AMSM |
| klíčová slova: | sociální sítě, grafové neuronové sítě |
| popis: | Výpočet aposteriorních distribucí je složitý proces s mnoha existujícími metodami, jako je Monte Carlo Markov Chain. Tyto metody jsou však příliš výpočetně náročné pro složitější úĺohy, jako jsou neuronové sítě. Relativně nová metoda Prior-Data Fitted Network (PFN) dovoluje řešit složité problémy velmi jendoduchým mechanismem založeným na učení transformerů. Tato metoda má teoretické vysvětlení v teorii stochastických procesů. Cílem práce je replikovat existující výsledky metody na jednoduchých problémech a ověřit teoretické hypotézy. Po uspěšném ověření bude metoda aplikována na složitější vybraný problém. |
| literatura: | Bishop, Christopher M.. Pattern recognition and machine learning. Vol. 4, no. 4. New York: springer, 2006. Müller, S., Hollmann, N., Arango, S.P., Grabocka, J. and Hutter, F., Transformers Can Do Bayesian Inference. In International Conference on Learning Representations. Nagler, Thomas. \"Statistical foundations of prior-data fitted networks.\" In International Conference on Machine Learning, pp. 25660-25676. PMLR, 2023. |
| naposledy změněno: | 19.09.2025 11:57:23 |
za obsah této stránky zodpovídá:
Ľubomíra Dvořáková | naposledy změněno: 12.9.2011