机器学习

2019年10月 的作者和标题

[1] arXiv:1910.00019 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 非高斯过程和有限宽度下的神经网络 显示英文标题

标题： Non-Gaussian processes and neural networks at finite widths

Sho Yaida

评论： 33页，3个图；v2：被MSML 2020接受的最终版本，增加了一些关于与重正化群流关系的澄清

主题： 机器学习 (stat.ML) ; 无序系统与神经网络 (cond-mat.dis-nn) ; 机器学习 (cs.LG) ; 高能物理 - 理论 (hep-th)

[2] arXiv:1910.00067 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 基于变分推断的半监督语音转换 显示英文标题

标题： Semi-supervised voice conversion with amortized variational inference

Cory Stephenson, Gokce Keskin, Anil Thomas, Oguz H. Elibol

评论： 已被Interspeech 2019录用

期刊参考： 《Interspeech 2019论文集》（2019）：729-733

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG) ; 音频与语音处理 (eess.AS)

[3] arXiv:1910.00069 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 通过重新审视摄动理论收紧变分推理的界限 显示英文标题

标题： Tightening Bounds for Variational Inference by Revisiting Perturbation Theory

Robert Bamler, Cheng Zhang, Manfred Opper, Stephan Mandt

评论： 发表于《统计力学：理论与实验》（JSTAT），2019年

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG)

[4] arXiv:1910.00152 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 关于多边缘最优传输的近似复杂性 显示英文标题

标题： On the Complexity of Approximating Multimarginal Optimal Transport

Tianyi Lin, Nhat Ho, Marco Cuturi, Michael I. Jordan

评论： 已被《机器学习研究》接受；添加参考文献和资助信息；40页，14幅图

主题： 机器学习 (stat.ML) ; 数据结构与算法 (cs.DS) ; 机器学习 (cs.LG) ; 优化与控制 (math.OC) ; 计算 (stat.CO)

[5] arXiv:1910.00164 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 使用高度相关的特征进行预测 显示英文标题

标题： Predicting with High Correlation Features

Devansh Arpit, Caiming Xiong, Richard Socher

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG)

[6] arXiv:1910.00391 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 深度学习在化学计量学和非平移数据中的应用 显示英文标题

标题： Deep learning for Chemometric and non-translational data

Jacob Søgaard Larsen, Line Clemmensen

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG)

[7] arXiv:1910.00423 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 关于邻接谱嵌入和拉普拉斯谱嵌入的样本外扩展的极限定理 显示英文标题

标题： Limit theorems for out-of-sample extensions of the adjacency and Laplacian spectral embeddings

Keith Levin, Fred Roosta, Minh Tang, Michael W. Mahoney, Carey E. Priebe

评论： 这项工作的一部分最初出现在ICML2018上，题为“图相邻谱嵌入的外样本扩展”（ accompanying technical report 可在arXiv:1802.06307获取）。本研究将早期论文的结果扩展到另一种称为拉普拉斯谱嵌入的图嵌入技术，并提出了额外的实验。

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG) ; 统计理论 (math.ST) ; 方法论 (stat.ME)

[8] arXiv:1910.00551 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 一种求解非光滑复合势能的有效采样算法 显示英文标题

标题： An Efficient Sampling Algorithm for Non-smooth Composite Potentials

Wenlong Mou, Nicolas Flammarion, Martin J. Wainwright, Peter L. Bartlett

主题： 机器学习 (stat.ML) ; 数据结构与算法 (cs.DS) ; 机器学习 (cs.LG) ; 计算 (stat.CO)

[9] arXiv:1910.00753 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 等变流：具有对称能量的多体系统采样构型 显示英文标题

标题： Equivariant Flows: sampling configurations for multi-body systems with symmetric energies

Jonas Köhler, Leon Klein, Frank Noé

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG) ; 化学物理 (physics.chem-ph) ; 计算物理 (physics.comp-ph)

[10] arXiv:1910.00780 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 拓扑结构如何影响具有DenseNet型跳过连接的深度网络的梯度传播和模型性能？ 显示英文标题

标题： How does topology influence gradient propagation and model performance of deep networks with DenseNet-type skip connections?

Kartikeya Bhardwaj, Guihong Li, Radu Marculescu

评论： 已被CVPR 2021接受

主题： 机器学习 (stat.ML) ; 计算机视觉与模式识别 (cs.CV) ; 机器学习 (cs.LG)

[11] arXiv:1910.00877 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 重新考虑深度网络输出层的分析变分边界 显示英文标题

标题： Reconsidering Analytical Variational Bounds for Output Layers of Deep Networks

Otmane Sakhi, Stephen Bonner, David Rohde, Flavian Vasile

评论： 8页 2个图

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG)

[12] arXiv:1910.00879 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 状态空间模型的可扩展变分推理神经移动平均模型 显示英文标题

标题： The Neural Moving Average Model for Scalable Variational Inference of State Space Models

Tom Ryder, Dennis Prangle, Andrew Golightly, Isaac Matthews

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG)

[13] arXiv:1910.00943 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 随机森林表现不佳的模型；对应用的影响 显示英文标题

标题： Models under which random forests perform badly; consequences for applications

José A. Ferreira

评论： 16页，4幅图

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG) ; 统计理论 (math.ST)

[14] arXiv:1910.01067 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 多变量回归链图的无序结构学习 显示英文标题

标题： Order-Independent Structure Learning of Multivariate Regression Chain Graphs

Mohammad Ali Javidian, Marco Valtorta, Pooyan Jamshidi

评论： 本文是SUM 2019被接受论文的扩展版，将在Springer出版的《人工智能讲座笔记》（LNAI）系列会议录中发表。

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG)

[15] arXiv:1910.01075 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 从未知干预中学习神经因果模型 显示英文标题

标题： Learning Neural Causal Models from Unknown Interventions

Nan Rosemary Ke, Olexa Bilaniuk, Anirudh Goyal, Stefan Bauer, Hugo Larochelle, Bernhard Schölkopf, Michael C. Mozer, Chris Pal, Yoshua Bengio

主题： 机器学习 (stat.ML) ; 人工智能 (cs.AI) ; 机器学习 (cs.LG)

[16] arXiv:1910.01177 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 通过主动学习改进差分隐私模型 显示英文标题

标题： Improving Differentially Private Models with Active Learning

Zhengli Zhao, Nicolas Papernot, Sameer Singh, Neoklis Polyzotis, Augustus Odena

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG)

[17] arXiv:1910.01255 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 蒸馏 $\approx$ 提前停止？ 利用各向异性信息检索从过参数化神经网络中收获暗知识 显示英文标题

标题： Distillation $\approx$ Early Stopping? Harvesting Dark Knowledge Utilizing Anisotropic Information Retrieval For Overparameterized Neural Network

Bin Dong, Jikai Hou, Yiping Lu, Zhihua Zhang

评论： 已被2019年NeurIPS机器学习保证 workshop 接收。投稿至其他地方。

主题： 机器学习 (stat.ML) ; 计算机视觉与模式识别 (cs.CV) ; 信息论 (cs.IT) ; 机器学习 (cs.LG)

[18] arXiv:1910.01487 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 卷积神经网络的泛化界限 显示英文标题

标题： Generalization Bounds for Convolutional Neural Networks

Shan Lin, Jingwei Zhang

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG)

[19] arXiv:1910.01510 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 因果推断与贝叶斯规则 显示英文标题

标题： Causal inference with Bayes rule

Finnian Lattimore, David Rohde

评论： 5页。arXiv管理员注释：与arXiv:1906.07125存在大量文本重叠

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG)

[20] arXiv:1910.01544 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 稳健风险最小化统计学习 显示英文标题

标题： Robust Risk Minimization for Statistical Learning

Muhammad Osama, Dave Zachariah, Peter Stoica

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG) ; 信号处理 (eess.SP)

[21] arXiv:1910.01688 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 基于混合定量和定性变量的材料设计贝叶斯优化 显示英文标题

标题： Bayesian Optimization for Materials Design with Mixed Quantitative and Qualitative Variables

Yichi Zhang, Daniel Apley, Wei Chen

评论： 29页，9图，3表

主题： 机器学习 (stat.ML) ; 材料科学 (cond-mat.mtrl-sci) ; 机器学习 (cs.LG) ; 应用 (stat.AP)

[22] arXiv:1910.01847 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 延迟转换的双学习算法 显示英文标题

标题： Dual Learning Algorithm for Delayed Conversions

Yuta Saito, Gota Morishita, Shota Yasui

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG)

[23] arXiv:1910.01914 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 多被试MEG/EEG源成像与稀疏多任务回归 显示英文标题

标题： Multi-subject MEG/EEG source imaging with sparse multi-task regression

Hicham Janati, Thomas Bazeille, Bertrand Thirion, Marco Cuturi, Alexandre Gramfort

评论： 版本 2。arXiv 管理员注：与 arXiv:1902.04812 存在文本重叠

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG) ; 神经与认知 (q-bio.NC)

[24] arXiv:1910.01931 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 稀疏流行度调整随机块模型 显示英文标题

标题： Sparse Popularity Adjusted Stochastic Block Model

Majid Noroozi, Marianna Pensky, Ramchandra Rimal

评论： 4张图表。arXiv管理员注释：与arXiv:1902.00431存在文本重叠

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG) ; 统计理论 (math.ST) ; 方法论 (stat.ME)

[25] arXiv:1910.02043 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 基于设计的可解释模型用于再犯预测 显示英文标题

标题： Fair-by-design explainable models for prediction of recidivism

Eduardo Soares, Plamen Angelov

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG) ; 应用 (stat.AP)

[26] arXiv:1910.02047 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 用于因果发现的重采样方法评估的模拟：集成性能和校准 显示英文标题

标题： Simulations evaluating resampling methods for causal discovery: ensemble performance and calibration

Erich Kummerfeld, Alexander Rix

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG)

[27] arXiv:1910.02095 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 针对成本敏感分类器的对抗样本 显示英文标题

标题： Adversarial Examples for Cost-Sensitive Classifiers

Gavin S. Hartnett, Andrew J. Lohn, Alexander P. Sedlack

主题： 机器学习 (stat.ML) ; 密码学与安全 (cs.CR) ; 机器学习 (cs.LG)

[28] arXiv:1910.02114 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 基于核变化的非线性降维方法比较研究：可视化、优化与分类 显示英文标题

标题： A Comparison Study on Nonlinear Dimension Reduction Methods with Kernel Variations: Visualization, Optimization and Classification

Katherine C. Kempfert, Yishi Wang, Cuixian Chen, Samuel W.K. Wong

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG) ; 应用 (stat.AP)

[29] arXiv:1910.02119 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： AKM$^2$D：一种在线感知和异常量化自适应框架 显示英文标题

标题： AKM$^2$D : An Adaptive Framework for Online Sensing and Anomaly Quantification

Hao Yan, Kamran Paynabar, Jianjun Shi

评论： 正在审稿中

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG) ; 信号处理 (eess.SP)

[30] arXiv:1910.02333 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 神经网络激活函数的作用 显示英文标题

标题： The Role of Neural Network Activation Functions

Rahul Parhi, Robert D. Nowak

评论： 更新到已发布版本

期刊参考： IEEE信号处理 LETTERS，第27卷，第1779-1783页，2020

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG)

[31] arXiv:1910.02497 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： mfEGRA：通过主动学习进行故障边界定位的多保真度高效全局可靠性分析 显示英文标题

标题： mfEGRA: Multifidelity Efficient Global Reliability Analysis through Active Learning for Failure Boundary Location

Anirban Chaudhuri, Alexandre N. Marques, Karen E. Willcox

期刊参考： 结构与多学科优化 64，797-811，2021

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG) ; 数据分析、统计与概率 (physics.data-an) ; 计算 (stat.CO)

[32] arXiv:1910.02505 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 在高维表达数据中提升局部因果发现 显示英文标题

标题： Boosting Local Causal Discovery in High-Dimensional Expression Data

Philip Versteeg, Joris M. Mooij

评论： 被BIBM / CABB 2019接受

期刊参考： 2019 IEEE国际生物信息学和生物医学会议（BIBM 2019）第2599-2604页

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG) ; 方法论 (stat.ME)

[33] arXiv:1910.02594 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 加权图let和深度神经网络用于蛋白质结构分类 显示英文标题

标题： Weighted graphlets and deep neural networks for protein structure classification

Hongyu Guo, Khalique Newaz, Scott Emrich, Tijana Milenkovic, Jun Li

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG) ; 生物大分子 (q-bio.BM)

[34] arXiv:1910.02678 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 一种基于算法推理的学习copula的方法 显示英文标题

标题： An Algorithmic Inference Approach to Learn Copulas

Bruno Apolloni

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG)

[35] arXiv:1910.02720 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 基于元学习的深度基于能量的记忆模型 显示英文标题

标题： Meta-Learning Deep Energy-Based Memory Models

Sergey Bartunov, Jack W Rae, Simon Osindero, Timothy P Lillicrap

评论： 国际学习表示会议（ICLR 2020）

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG) ; 神经与进化计算 (cs.NE)

[36] arXiv:1910.02757 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 带延迟相关收益的随机多臂老虎机 显示英文标题

标题： Stochastic Bandits with Delay-Dependent Payoffs

Leonardo Cella, Nicolò Cesa-Bianchi

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG)

[37] arXiv:1910.02912 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 高维球状VAE的表达能力提升 显示英文标题

标题： Increasing Expressivity of a Hyperspherical VAE

Tim R. Davidson, Jakub M. Tomczak, Efstratios Gavves

评论： NeurIPS 2019，贝叶斯深度学习研讨会

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG)

[38] arXiv:1910.03344 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 通用逼近性质 显示英文标题

标题： The Universal Approximation Property

Anastasis Kratsios

期刊参考： 《数学与人工智能年鉴》，2020年

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG) ; 动力系统 (math.DS)

[39] arXiv:1910.03834 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 利用得分匹配估计具有截断边界的密度模型 显示英文标题

标题： Estimating Density Models with Truncation Boundaries using Score Matching

Song Liu, Takafumi Kanamori, Daniel J. Williams

评论： 将于《机器学习研究期刊》发表

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG) ; 统计理论 (math.ST)

[40] arXiv:1910.03860 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 空间-时间对齐：穿越空间和时间的最优传输 显示英文标题

标题： Spatio-Temporal Alignments: Optimal transport through space and time

Hicham Janati, Marco Cuturi, Alexandre Gramfort

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG)

[41] arXiv:1910.03861 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 局部模型下U统计量的私有协议及 beyond 显示英文标题

标题： Private Protocols for U-Statistics in the Local Model and Beyond

James Bell, Aurélien Bellet, Adrià Gascón, Tejas Kulkarni

评论： 已被AISTATS 2020接受

主题： 机器学习 (stat.ML) ; 密码学与安全 (cs.CR) ; 机器学习 (cs.LG)

[42] arXiv:1910.03906 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 概率顺序矩阵分解 显示英文标题

标题： Probabilistic sequential matrix factorization

Ömer Deniz Akyildiz, Gerrit J.J. van den Burg, Theodoros Damoulas, Mark F. J. Steel

评论： 已被AISTATS 2021接受发表

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG) ; 计算 (stat.CO)

[43] arXiv:1910.03937 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 新的明确构造的非平衡拉马努金二分图 显示英文标题

标题： New and Explicit Constructions of Unbalanced Ramanujan Bipartite Graphs

Shantanu Prasad Burnwal, Kaneenika Sinha, Mathukumalli Vidyasagar

评论： 本文是1910.03937v1的部分替代内容。1910.03937v1中的相变部分内容将作为单独的提交上传。

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG) ; 组合数学 (math.CO) ; 数论 (math.NT)

[44] arXiv:1910.03962 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 通过贝叶斯优化的最优实验设计：高斯过程网络中的主动因果结构学习 显示英文标题

标题： Optimal experimental design via Bayesian optimization: active causal structure learning for Gaussian process networks

Julius von Kügelgen, Paul K Rubenstein, Bernhard Schölkopf, Adrian Weller

评论： 工作论文。被接受为NeurIPS 2019研讨会“做正确的事”：机器学习和因果推断以改善决策的海报。(6页+参考文献+附录)

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG)

[45] arXiv:1910.03980 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 基于信息理论准则的模型阶数选择：惩罚项的设计 显示英文标题

标题： Model Order Selection Based on Information Theoretic Criteria: Design of the Penalty

Andrea Mariani, Andrea Giorgetti, Marco Chiani

评论： 11页，8图，期刊

期刊参考： IEEE信号处理汇刊，第63卷，第11期，第2779-2789页，2015年6月

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG) ; 信号处理 (eess.SP)

[46] arXiv:1910.04069 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 没有真实值的回归误差估计 显示英文标题

标题： Estimating regression errors without ground truth values

Henri Tiittanen, Emilia Oikarinen, Andreas Henelius, Kai Puolamäki

评论： 33页，9图，2表

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG)

[47] arXiv:1910.04085 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 采样曲线凸包的面积：一种稳健的功能统计深度度量 显示英文标题

标题： The Area of the Convex Hull of Sampled Curves: a Robust Functional Statistical Depth Measure

Guillaume Staerman, Pavlo Mozharovskyi, Stephan Clémençon

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG) ; 统计理论 (math.ST) ; 方法论 (stat.ME)

[48] arXiv:1910.04086 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 基于RKHS嵌入的有限集集合上的核方法及其在贝叶斯（组合）优化中的应用 显示英文标题

标题： Kernels over Sets of Finite Sets using RKHS Embeddings, with Application to Bayesian (Combinatorial) Optimization

Poompol Buathong, David Ginsbourger, Tipaluck Krityakierne

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG) ; 统计理论 (math.ST) ; 应用 (stat.AP) ; 方法论 (stat.ME)

[49] arXiv:1910.04091 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 带有小批量Wasserstein的学习：渐近性和梯度性质 显示英文标题

标题： Learning with minibatch Wasserstein : asymptotic and gradient properties

Kilian Fatras, Younes Zine, Rémi Flamary, Rémi Gribonval, Nicolas Courty

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG)

[50] arXiv:1910.04102 (交叉列表自 stat.ML) [中文pdf, pdf, 其他]

标题： 通过实用后验误差界进行验证的变分推断 显示英文标题

标题： Validated Variational Inference via Practical Posterior Error Bounds

Jonathan H. Huggins, Mikołaj Kasprzak, Trevor Campbell, Tamara Broderick

评论： 一个用于执行我们经过验证的变分推断工作流的 Python 包——包括进行黑盒变分推断和计算本文中我们开发的界限——可在 https://github.com/jhuggins/viabel 获取。同一仓库还包含用于重现我们所有实验的代码。

期刊参考： 第23届国际人工智能与统计会议（AISTATS）2020论文集，意大利巴勒莫。PMLR：第108卷

主题： 机器学习 (stat.ML) ; 机器学习 (cs.LG) ; 统计理论 (math.ST) ; 方法论 (stat.ME)