会员服务
极大似然 · 似然 · GM · MoDELS · 查准率/准确率 ·
3 月 4 日
Proof of a Conjecture of Drton, Sturmfels and Sullivant on the maximum likelihood degree of the Gaussian graphical model of a cycle
翻译：暂无翻译
Rodica Andreea Dinu,Martin Vodička
Rodica Andreea Dinu,Martin Vodička

In this article, we compute the precise value of the maximum likelihood degree of the Gaussian graphical model of a cycle, confirming a conjecture due to Drton, Sturmfels and Sullivant.


翻译：暂无翻译
0
下载
关闭预览

相关内容

【NeurIPS2021】用于文本图表示学习的 GNN 嵌套 Transformer 模型：GraphFormers
【NeurIPS2021】用于文本图表示学习的 GNN 嵌套 Transformer 模型：GraphFormers
专知会员服务
45+阅读 · 2021年11月24日
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
80+阅读 · 2020年7月26日
【ACL2020】多模态信息抽取，365页ppt
【ACL2020】多模态信息抽取，365页ppt
专知会员服务
150+阅读 · 2020年7月6日
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
专知会员服务
33+阅读 · 2019年10月18日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
49+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
36+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
59+阅读 · 2019年10月17日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
31+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
159+阅读 · 2019年10月12日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
41+阅读 · 2019年10月9日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
29+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
18+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
STRCF for Visual Object Tracking
STRCF for Visual Object Tracking
统计学习与视觉计算组
14+阅读 · 2018年5月29日
Focal Loss for Dense Object Detection
Focal Loss for Dense Object Detection
统计学习与视觉计算组
11+阅读 · 2018年3月15日
IJCAI | Cascade Dynamics Modeling with Attention-based RNN
IJCAI | Cascade Dynamics Modeling with Attention-based RNN
KingsGarden
13+阅读 · 2017年7月16日
Layer Normalization原理及其TensorFlow实现
Layer Normalization原理及其TensorFlow实现
深度学习每日摘要
32+阅读 · 2017年6月17日
Hamilton-Jacibi方程的弱KAM理论
国家自然科学基金
1+阅读 · 2017年12月31日
Musielak-Orlicz-Sobolev 空间中的迹嵌入及其应用
国家自然科学基金
1+阅读 · 2015年12月31日
Volterra积分微分方程的多区间Chebyshev和Legendre谱配置法
国家自然科学基金
0+阅读 · 2015年12月31日
罗巴代数的表示和罗巴代数在operad中的应用
国家自然科学基金
0+阅读 · 2015年12月31日
半参数空间自回归模型的理论研究及应用
国家自然科学基金
0+阅读 · 2015年12月31日
复多项式的核拓扑熵
国家自然科学基金
0+阅读 · 2015年12月31日
Schr？dinger-Poisson方程守恒DDG方法研究
国家自然科学基金
2+阅读 · 2015年12月31日
哈密尔顿系统及多体问题的周期解
国家自然科学基金
0+阅读 · 2014年12月31日
动态Gr？bner 基与GVW算法
国家自然科学基金
0+阅读 · 2014年12月31日
概率抽样设计及其统计推断方法
国家自然科学基金
5+阅读 · 2014年12月31日
Reasoning over Different Types of Knowledge Graphs: Static, Temporal and Multi-Modal
Arxiv
21+阅读 · 2022年12月12日
Unravelling the Performance of Physics-informed Graph Neural Networks for Dynamical Systems
Arxiv
13+阅读 · 2022年11月10日
Multi-task Learning of Order-Consistent Causal Graphs
Arxiv
10+阅读 · 2021年11月3日
Beyond Accuracy: Behavioral Testing of NLP models with CheckList
Arxiv
11+阅读 · 2020年5月8日
A Survey of Learning Causality with Data: Problems and Methods
Arxiv
31+阅读 · 2020年5月5日
A Survey of Methods for Low-Power Deep Learning and Computer Vision
A Survey of Methods for Low-Power Deep Learning and Computer Vision
Arxiv
14+阅读 · 2020年3月24日
Optimization for deep learning: theory and algorithms
Optimization for deep learning: theory and algorithms
Arxiv
106+阅读 · 2019年12月19日
Multi-Task Identification of Entities, Relations, and Coreference for Scientific Knowledge Graph Construction
Multi-Task Identification of Entities, Relations, and Coreference for Scientific Knowledge Graph Construction
Arxiv
10+阅读 · 2018年8月29日
A Unified Knowledge Representation and Context-aware Recommender System in Internet of Things
Arxiv
10+阅读 · 2018年5月10日
VQA-E: Explaining, Elaborating, and Enhancing Your Answers for Visual Questions
Arxiv
17+阅读 · 2018年3月20日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
极大似然
似然
GM
MoDELS
查准率/准确率
相关VIP内容
【NeurIPS2021】用于文本图表示学习的 GNN 嵌套 Transformer 模型：GraphFormers
【NeurIPS2021】用于文本图表示学习的 GNN 嵌套 Transformer 模型：GraphFormers
专知会员服务
45+阅读 · 2021年11月24日
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
80+阅读 · 2020年7月26日
【ACL2020】多模态信息抽取，365页ppt
【ACL2020】多模态信息抽取，365页ppt
专知会员服务
150+阅读 · 2020年7月6日
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
专知会员服务
33+阅读 · 2019年10月18日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
49+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
36+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
59+阅读 · 2019年10月17日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
31+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
159+阅读 · 2019年10月12日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
41+阅读 · 2019年10月9日
热门VIP内容
相关资讯
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
29+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
18+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
STRCF for Visual Object Tracking
STRCF for Visual Object Tracking
统计学习与视觉计算组
14+阅读 · 2018年5月29日
Focal Loss for Dense Object Detection
Focal Loss for Dense Object Detection
统计学习与视觉计算组
11+阅读 · 2018年3月15日
IJCAI | Cascade Dynamics Modeling with Attention-based RNN
IJCAI | Cascade Dynamics Modeling with Attention-based RNN
KingsGarden
13+阅读 · 2017年7月16日
Layer Normalization原理及其TensorFlow实现
Layer Normalization原理及其TensorFlow实现
深度学习每日摘要
32+阅读 · 2017年6月17日
相关论文
Reasoning over Different Types of Knowledge Graphs: Static, Temporal and Multi-Modal
Arxiv
21+阅读 · 2022年12月12日
Unravelling the Performance of Physics-informed Graph Neural Networks for Dynamical Systems
Arxiv
13+阅读 · 2022年11月10日
Multi-task Learning of Order-Consistent Causal Graphs
Arxiv
10+阅读 · 2021年11月3日
Beyond Accuracy: Behavioral Testing of NLP models with CheckList
Arxiv
11+阅读 · 2020年5月8日
A Survey of Learning Causality with Data: Problems and Methods
Arxiv
31+阅读 · 2020年5月5日
A Survey of Methods for Low-Power Deep Learning and Computer Vision
A Survey of Methods for Low-Power Deep Learning and Computer Vision
Arxiv
14+阅读 · 2020年3月24日
Optimization for deep learning: theory and algorithms
Optimization for deep learning: theory and algorithms
Arxiv
106+阅读 · 2019年12月19日
Multi-Task Identification of Entities, Relations, and Coreference for Scientific Knowledge Graph Construction
Multi-Task Identification of Entities, Relations, and Coreference for Scientific Knowledge Graph Construction
Arxiv
10+阅读 · 2018年8月29日
A Unified Knowledge Representation and Context-aware Recommender System in Internet of Things
Arxiv
10+阅读 · 2018年5月10日
VQA-E: Explaining, Elaborating, and Enhancing Your Answers for Visual Questions
Arxiv
17+阅读 · 2018年3月20日
相关基金
Hamilton-Jacibi方程的弱KAM理论
国家自然科学基金
1+阅读 · 2017年12月31日
Musielak-Orlicz-Sobolev 空间中的迹嵌入及其应用
国家自然科学基金
1+阅读 · 2015年12月31日
Volterra积分微分方程的多区间Chebyshev和Legendre谱配置法
国家自然科学基金
0+阅读 · 2015年12月31日
罗巴代数的表示和罗巴代数在operad中的应用
国家自然科学基金
0+阅读 · 2015年12月31日
半参数空间自回归模型的理论研究及应用
国家自然科学基金
0+阅读 · 2015年12月31日
复多项式的核拓扑熵
国家自然科学基金
0+阅读 · 2015年12月31日
Schr？dinger-Poisson方程守恒DDG方法研究
国家自然科学基金
2+阅读 · 2015年12月31日
哈密尔顿系统及多体问题的周期解
国家自然科学基金
0+阅读 · 2014年12月31日
动态Gr？bner 基与GVW算法
国家自然科学基金
0+阅读 · 2014年12月31日
概率抽样设计及其统计推断方法
国家自然科学基金
5+阅读 · 2014年12月31日
Top
微信扫码咨询专知VIP会员
Top