Key points are not available for this paper at this time.
우리는 특징 선택과 모형 선택 문제를 동시에 다루는 혼합 모형 훈련을 위한 베이시안 방법을 제시합니다. 이 방법은 특징의 중요성을 고려한 혼합 모형 공식화의 통합과 혼합 구성 요소의 수를 추정하는 데 사용할 수 있는 혼합 학습에 대한 베이시안 접근 방식에 기반합니다. 제안된 학습 알고리즘은 변분 프레임워크를 따르며, 구성 요소의 수, 특징의 중요성 및 혼합 모형의 매개변수를 동시에 최적화할 수 있습니다. 고차원 인공 데이터 및 실제 데이터를 사용한 실험 결과는 이 방법의 효과를 보여줍니다.
Constantinopoulos 외 (금요일), 이 질문을 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: