gibbs-sampling

本文提出了一种非参数贝叶斯逆强化学习方法，使用狄利克雷过程先验从专家演示中推断多个潜在奖励类型，并通过Ray实现并行的折叠吉布斯采样器以提高可扩展性。

本文提出了CWUTM，一种基于共现词网络的主题模型，旨在检测不平衡短文本数据集中的稀有主题。该模型在社交平台上早期且准确地识别新兴主题方面优于基线方法。

本文介绍了一种可编程概率计算机，通过连接FPGA实现了百万个p比特，在伊辛模型上以超过每秒一万亿次翻转的速度进行吉布斯采样，同时引入了一种设计规则，使其能够突破单芯片限制进行扩展。