Công trình này đề xuất một phần mở rộng xác suất cho các đường cong Bézier làm cơ sở để mô hình hóa hiệu quả các quá trình ngẫu nhiên với tập chỉ số giới hạn. Mô hình quy trình ngẫu nhiên được đề xuất dựa trên Mạng mật độ hỗn hợp và đường cong Bézier với các biến ngẫu nhiên Gaussian làm điểm kiểm soát. Ưu điểm chính của mô hình này là khả năng tạo ra các dự đoán đa chế độ trong một bước suy luận duy nhất, do đó tránh được nhu cầu mô phỏng Monte Carlo.

Abstract:

This work proposes a probabilistic extension to Bézier curves as a basis for effectively modeling stochastic processes with a bounded index set. The proposed stochastic process model is based on Mixture Density Networks and Bézier curves with Gaussian random variables as control points. A key advantage of this model is given by the ability to generate multi-mode predictions in a single inference step, thus avoiding the need for Monte Carlo simulation.

Ngôn ngữ:	eng
Tác giả:	Ronny Hug
Thông tin nhan đề:	Probabilistic Parametric Curves for Sequence Modeling
Nhà xuất bản:	KIT Scientific Publishing
Loại hình:	Tài nguyên giáo dục mở / Bộ sưu tập: Công nghệ thông tin
Bản quyền:	http://creativecommons.org/licenses/by/4.0
Nguồn gốc:	https://library.oapen.org/handle/20.500.12657/57539
Mô tả vật lý:	226p.
Năm xuất bản:	2022