标签
本文提出疾病连续谱定位（DCP），一个纵向贝叶斯学习框架，可连续估计阿尔茨海默病的严重程度，并提供不确定性感知的疾病进展预测评分。
本文研究了具有不可操纵变量的上下文因果赌博机问题，提出了汤普森采样和信息导向采样（IDS）的因果变体，利用共享因果机制加速决策过程。理论遗憾界和合成任务实验表明，所提方法优于因果和非因果基线。
提出了一种基于消息传递的双时间尺度贝叶斯深度学习框架，用于大规模MIMO系统中联合信道与记忆硬件损伤追踪。
本文提出了一种新颖的偏好估计方法，将大型语言模型（LLM）的自然语言信息集成到结构化贝叶斯对手建模框架中，用于多智能体协商。该方法利用LLM从话语中提取定性线索，并将其转换为概率格式，在多方协商基准上展示了改进的协议达成率和偏好估计准确性。