Neural Permutation Processes

Ari Pakman, Yueqi Wang, Liam Paninski

نتاج البحث: نشر في مجلةمقالة من مؤنمرمراجعة النظراء


We introduce a neural architecture to perform amortized approximate Bayesian inference over latent random permutations of two sets of objects. The method involves approximating permanents of matrices of pairwise probabilities using recent ideas on functions defined over sets. Each sampled permutation comes with a probability estimate, a quantity unavailable in MCMC approaches. We illustrate the method in sets of 2D points and MNIST images.

اللغة الأصليةإنجليزيّة أمريكيّة
دوريةProceedings of Machine Learning Research
مستوى الصوت118
حالة النشرنُشِر - 1 يناير 2019
منشور خارجيًانعم
الحدث2nd Symposium on Advances in Approximate Bayesian Inference, AABI 2019 - Vancouver, كندا
المدة: ٨ ديسمبر ٢٠١٩ → …

All Science Journal Classification (ASJC) codes

  • !!Artificial Intelligence
  • !!Software
  • !!Control and Systems Engineering
  • !!Statistics and Probability


أدرس بدقة موضوعات البحث “Neural Permutation Processes'. فهما يشكلان معًا بصمة فريدة.

قم بذكر هذا