Fast Timing-Conditioned Latent Audio Diffusion
Stability AI；Belmont University（贝尔蒙特大学）
本研究提出基于潜在扩散的Stable Audio模型，通过文本提示与时序嵌入实现长时长、可变长度的44.1kHz立体声音乐与音效高效生成，推理速度快且基准测试表现优异，还可生成有结构的音乐和立体声音效。
2024-05-13 cs.LG cs.SD eess.AS
A Mutually-Dependent Hadamard Kernel for Modelling Latent Variable Couplings
我们引入了一个新的内核，模型的输入依赖耦合多个潜在的过程。成对联合核以相互依赖的方式测量沿输入和跨不同潜在信号的协方差。潜在相关高斯过程（LCGP）模型通过依赖于输入的混合矩阵将这些非平稳潜在分量组合成多个输出。通过变分贝叶斯推断得到多观测集的概率分类和支持度。几个数据集上的结果表明，LCGP模型可以恢复潜在信号之间的相关性，同时实现最先进的性能。我们突出了潜在的协方差与EEG分类数据集，其中潜在的大脑过程及其耦合同时出现的模型。
2017-10-03 stat.ML
Text-Driven Foley Sound Generation With Latent Diffusion Model
University of Surrey（萨里大学）
本文提出基于潜在扩散模型的文本驱动拟音生成系统，通过CLAP迁移学习、可训练文本嵌入层及多候选音频相似度筛选，在DCASE 2023 Task 7中取得第1名。
2023-09-18 cs.AI cs.LG cs.SD
Arbitrage-Aware Probabilistic Multi-Step Forecasting of Implied Volatility Surfaces: Joint Generation of Surface-Return Trajectories Using Latent Diffusion
University of St.Gallen（圣加仑大学）
针对隐含波动率曲面的多步预测问题，提出条件潜在扩散框架，结合考虑套利的自编码器与扩散模型，在SPX数据集上生成逼真多步场景且点预测性能优于持续性基准。
2026-10-20 cs.LG q-fin.MF
Neighbour-Driven Gaussian Process Variational Autoencoders for Scalable Structured Latent Modelling
Department of Computer Science, University of Manchester, Manchester, UK（计算机科学系，曼彻斯特大学，曼彻斯特，英国）
提出邻居驱动的近似策略，利用潜空间局部邻接关系实现可扩展的GPVAE推理，在保留依赖性的同时减少诱导点需求，并在多项任务中优于其他GPVAE变体。
2025-08-15 cs.LG stat.ML
End-To-End Dilated Variational Autoencoder with Bottleneck Discriminative Loss for Sound Morphing -- A Preliminary Study
University College London（伦敦大学学院）；Accenture（埃森哲）
我们提出了一个端到端的变分自编码器（VAE）的声音变形的初步研究。比较了两种VAE变体：具有膨胀层的VAE（DC-VAE）和仅具有常规卷积层的VAE（CC-VAE）。我们结合了以下损失函数：1）用于重建输入信号的时域均方误差，2）瓶颈层中标准正态分布的Kullback-Leibler散度，以及3）从瓶颈表示计算的分类损失。在语音数据库上，我们使用1-最近邻分类来表明语音类在瓶颈层分离。我们引入梅尔频率倒谱系数动态时间规整（MFCC-DTW）偏差作为VAE解码器如何将潜在（瓶颈）层中的类中心投影到音频域中该类声音的中心的度量。在MFCC-DTW偏差和1-NN分类方面，DC-VAE优于CC-VAE。我们的参数化和数据集的这些结果表明，DC-VAE比CC-VAE更适合于声音变形，因为DC-VAE解码器在从音频域映射到潜在空间时更好地保留了拓扑结构。例子都给出了变形口语数字和鼓的声音。
2020-11-19 cs.LG cs.SD eess.AS
Images that Sound: Composing Images and Sounds on a Single Canvas
University of Michigan（密歇根大学）
本文提出一种零样本方法，利用共享潜在空间中的文本到图像与文本到频谱图扩散模型并行去噪，合成同时具有自然图像外观和自然音频听感的频谱图。
2025-02-04 cs.CV cs.LG cs.MM
Gaussian Processes for Music Audio Modelling and Content Analysis
Queen Mary University of London（伦敦玛丽女王大学）
真正的音乐信号是高度可变的，但它们具有强大的统计结构。关于声音产生的基本物理机制和构建复杂声音结构的规则（音符，和弦，完整的乐谱）的先验信息可以使用贝叶斯建模技术自然统一。通常，自动音乐转录的算法独立地执行单个任务，例如多个F0检测和节拍跟踪。挑战仍然是执行所有参数的联合估计。我们提出了一种贝叶斯方法来建模音乐音频和内容分析。所提出的方法的基础上高斯过程寻求联合估计的多个音乐概念，通过合并到内核先验信息的非平稳行为，动态，和丰富的频谱内容中存在的建模音乐信号。我们说明了这种方法的好处，通过两个任务：音高估计，并推断丢失的段在复调录音。
2016-06-10 cs.SD stat.ML
Unifying Linear-Time Attention via Latent Probabilistic Modelling
University College London, AI Centre（伦敦大学学院，人工智能中心）；UiPath
本文通过潜在概率建模统一线性时间注意力，提出定向参数化方法以解决方向性问题，并在语言建模中取得优于现有方法的性能。
2025-12-02 cs.CL stat.ML
Recurrent Flow Networks: A Recurrent Latent Variable Model for Density Modelling of Urban Mobility
Technical University of Denmark（丹麦技术大学）
按需移动（MoD）系统代表了一种快速发展的交通模式，其中，由协调的车队动态地处理旅行请求。至关重要的是，国防部系统的效率高度依赖于供应和需求分布在时空空间中的对齐程度（即，为了满足用户的需求，汽车必须在正确的地点和所需的时间提供）。要做到这一点，我们认为，预测模型的目标应该明确解开时间和空间变化之间的城市交通需求的演变。然而，目前的方法通常忽略了这一区别，要么共同对待这两个来源的变异性，或完全忽略它们的存在摆在首位。在本文中，我们提出了循环流网络（RFN），我们探讨了（i）包含潜在的随机变量在循环神经网络的隐藏状态，以模拟时间的变化，和（ii）规范化的流量，以模拟移动性需求的空间分布。我们展示了预测模型如何明确地解开空间和时间的变化表现出几个理想的属性，并以经验表明，这使得生成的分布匹配潜在的复杂的城市拓扑结构。
2022-05-04 cs.LG stat.ML
ShaLa: Multimodal Shared Latent Space Modelling
针对现有多模态方法易掩盖跨模态共享高级语义、多模态VAEs存在后验设计难和合成质量低的问题，提出ShaLa框架，通过新型架构推理模型和扩散先验提升推理与合成性能，在多基准上表现更优且可扩展至更多模态。
2025-08-24 cs.CV cs.LG
Towards modelling hazard factors in unstructured data spaces using gradient-based latent interpolation
LMU Munich（慕尼黑大学）
深度学习在生存分析（SA）中的应用允许利用传统生存方法中不常见的非结构化和高维数据类型。这使得数字健康、预测性维护和客户流失分析等领域的方法能够得到改进，但由于基于深度学习的方法的黑箱特性，通常会产生不太可解释和直观理解的模型。我们关闭这个差距，提出1）一个多任务的变分自编码器（VAE）的生存目标，产生面向生存的嵌入，和2）一种新的方法HazardWalk，允许在原始数据空间中的危险因素建模。HazardWalk将我们的自动编码器的潜在分布转换为最大化/最小化危险的区域，然后使用解码器将更改投射到原始域。我们的程序进行了评估模拟数据集以及肝转移瘤患者的CT成像数据的数据集。
2021-11-17 cs.LG
Latent Variable Modelling with Hyperbolic Normalizing Flows
McGill University（麦吉尔大学）；Mila（米拉研究所）；University of Toronto（多伦多大学）；Vector Institute（向量研究所）
近似后验分布的选择在随机变分推理（SVI）中起着核心作用。一个有效的解决方案是使用归一化流\cut{defined on Euclidean spaces}来构造灵活的后验分布。然而，现有的规范化流的一个关键限制是，它们被限制在欧几里德空间，并且不适合对具有底层层次结构的数据进行建模。为了解决这个基本的限制，我们提出了规范化流的双曲空间的第一个扩展。我们首先提升规范化流双曲空间使用耦合变换定义的切丛，称为切线耦合（$\mathcal{TC}$）。我们进一步介绍了包裹双曲面耦合（$\mathcal{W}\mathbb{H}C$），一个完全可逆的和可学习的变换，明确利用双曲空间的几何结构，允许表达后验，同时是有效的采样。我们证明了我们的新的归一化流的双曲VAE和欧几里得归一化流的功效。我们的方法提高了密度估计的性能，以及表现出分层结构的真实世界图数据的重建。最后，我们表明，我们的方法可以用来权力的生成模型在分层数据使用双曲型潜变量。
2020-08-13 cs.LG stat.ML
Towards diffusion models for large-scale sea-ice modelling
CEREA；Ecole des Ponts（巴黎路桥学院）；EDF R&D（法国电力公司研发部）；Nansen Environmental and Remote Sensing Center（南森环境与遥感中心）
本文首次将潜扩散模型应用于北极海冰状态的无条件生成，通过截断高斯分布强制物理边界，在保持性能的同时改善边缘冰区表征，并指出平滑问题是未来关键挑战。
2024-07-22 cs.LG physics.ao-ph
Dynamic causal discovery in Alzheimer's disease through latent pseudotime modelling
King’s College London（伦敦国王学院）
本文提出利用潜在伪时间模型对阿尔茨海默病进行动态因果发现，推断独立于年龄的疾病轨迹并学习因果关系的演变，在诊断预测上优于年龄，并揭示了新型与经典AD标志物间的动态交互。
2025-11-06 cs.CE cs.LG stat.AP
Latent Space Network Modelling with Hyperbolic and Spherical Geometries
一个丰富的网络模型将每个节点与一个低维潜在坐标相关联，该坐标控制着连接形成的倾向。这种类型的模型在网络分析文献中得到了很好的建立，其中通常假设基础几何是欧几里得的。最近的工作探讨了这种选择的后果，并激发了依赖于非欧几里德潜在几何模型的研究，主要集中在球面和双曲几何。在本文中，我们研究在何种程度上可以从网络中的可观察链接推断出潜在的功能，考虑依赖于球形和双曲几何的网络模型。对于每一个几何形状，我们描述了一个潜在的空间网络模型，详细的限制，消除了众所周知的可识别性问题的潜在坐标，并提出贝叶斯估计方案。因此，我们开发的计算程序来执行推理的网络模型中，底层几何的属性起着至关重要的作用。最后，我们评估这些模型的真实数据的有效性。
2022-02-10 stat.AP stat.CO stat.ME
A Stable Variational Autoencoder for Text Modelling
University of Aberdeen（阿伯丁大学）；University of Sheffield（谢菲尔德大学）
变分自编码器（VAE）是一种学习高维数据表示的有效方法。然而，VAE可能会遇到一个被称为潜在变量崩溃（或KL损失消失）的问题，其中后验崩溃到先验，模型将忽略生成任务中的潜在代码。当采用VAE-RNN架构进行文本建模时，这样的问题特别普遍（Bowman等人，2016）。在本文中，我们提出了一个简单的架构称为整体正则化VAE（HR-VAE），它可以有效地避免潜在变量崩溃。与现有的VAE-RNN架构相比，我们表明我们的模型可以实现更稳定的训练过程，并且可以生成质量更好的文本。
2019-11-13 cs.CL cs.LG
Modelling Correlation Matrices in Multivariate Dyadic Data: Latent Variable Models for Intergenerational Exchanges of Family Support
我们定义了一个多个连续潜变量的联合分布模型，其中包括一个模型，它们的相关性如何依赖于解释变量。这是出于分析家庭内代际帮助和支持的社会科学研究问题的动机，并应用于这些问题，其中相关性描述了代际之间的相互帮助和不同类型帮助的互补性。我们提出了一个MCMC程序估计的模型，保持了正定性的隐含的相关矩阵，并描述了理论结果，证明这种方法，并促进有效的实施it.The模型应用于英国家庭纵向研究的数据分析交流的实际和财政支持的成年人和他们的非共同居住的父母。
2022-10-26 stat.AP stat.ME
DrumGAN VST: A Plugin for Drum Sound Analysis/Synthesis With Autoencoding Generative Adversarial Networks
Sony Computer Science Laboratories（索尼计算机科学实验室）；National Institute of Applied Sciences, Lyon（里昂国立应用科学学院）
在当代流行音乐制作中，鼓的声音设计通常是通过在声音库中浏览和处理预先录制的样本来进行的。人们也可以使用专门的合成硬件，通常通过低层次的，音乐上无意义的参数控制。今天，深度学习领域提供了通过学习的高级特征控制合成过程的方法，并允许生成各种各样的声音。在本文中，我们提出了DrumGAN VST，一个使用生成对抗网络合成鼓声的插件。DrumGAN VST在44.1 kHz采样率音频上运行，提供独立和连续的乐器类控制，并具有编码神经网络，可将声音映射到GAN的潜在空间，从而实现对预先存在的鼓声的重新合成和操纵。我们提供了许多声音的例子和演示的建议VST插件。
2022-06-29 cs.LG cs.SD eess.AS
Improving latent variable descriptiveness with AutoGen
University College London（伦敦大学学院）；Alan Turing Institute（艾伦·图灵研究所）；ASI Data Science（ASI数据科学）
强大的生成模型，特别是在自然语言建模中，通常通过最大化数据日志可能性的变分下限来训练。这些模型往往受到其潜在变量的不良使用，与ad-hoc退火因子用于鼓励保留信息的潜在变量。我们讨论了潜在变量建模的替代和一般方法，基于一个目标，该目标结合了数据日志的可能性以及通过自动编码器的完美重建的可能性。通过设计将这些联系在一起，可以确保潜变量捕获有关观测的信息，同时保持良好的生成能力。有趣的是，虽然这种方法是一个先验无关的VAE，达到的下限是相同的标准VAE界，但增加了一个简单的前因子，因此，提供了一个正式的解释，在训练VAE常用的，特设的前因子。
2018-06-12 cs.LG stat.ML
Latent Dirichlet Allocation in Generative Adversarial Networks
University of Electronic Science and Technology of China（电子科技大学）
我们研究了基于生成对抗网络（GANs）的图像多模态生成建模问题。尽管现有的方法取得了成功，但它们往往忽略了视觉数据的底层结构或其多模态生成特性。为了解决这个问题，我们引入狄利克雷先验的多模态图像生成，这导致了一个新的潜在狄利克雷分配的GAN（LDAGAN）。详细地，对于生成过程建模，LDAGAN为每个样本定义生成模式，确定其属于哪个生成子过程。对于对抗训练，LDAGAN推导出一种变分期望最大化（VEM）算法来估计模型参数。在真实数据集上的实验结果表明，LDAGAN的性能优于其他现有的GANs。
2019-11-06 cs.CV cs.LG stat.ML
Fast ABC with joint generative modelling and subset simulation
University of Neuchâtel（纳沙泰尔大学）；University of Bern（伯尔尼大学）；University of Lausanne（洛桑大学）
我们提出了一种新的方法来解决高维输入和昂贵的前向映射的反问题。它利用联合深度生成建模将原始问题空间转移到低维潜在空间。通过联合建模输入和输出变量，并赋予潜在的先验分布，拟合的概率模型间接地提供了访问的近似条件分布的兴趣。由于模型误差和未知分布的观测噪声在实践中很常见，因此我们采用近似贝叶斯计算（ABC）进行无似然推理。我们的方法调用ABC通过子集模拟来探索潜在空间的区域，所生成的输出和观察到的输出之间的差异低于规定的阈值。我们诊断的多样性，通过监测这些区域的概率内容作为阈值的函数的近似后验解。我们进一步分析所得诊断曲线的曲率，以提出适当的ABC阈值。当应用到一个跨钻孔层析成像的例子，从地球物理学，我们的方法提供了有前途的性能，而不使用先验知识的前也不是噪声分布。
2021-04-16 cs.AI cs.LG stat.ME
A general joint latent class model of longitudinal and survival data with the covariance modelling
该研究提出一种一般联合潜在类别模型，通过协方差回归子模型建模异质随机效应，结合纵向与生存数据，实现无偏估计与动态预测。
2025-03-25 stat.ME
The Infinite Latent Events Model
Massachusetts Institute of Technology（麻省理工学院）
我们提出了无限潜在事件模型，一个非参数的分层贝叶斯分布在无限维动态贝叶斯网络与二进制状态表示和噪声或类转换。该分布可用于通过同时推断一组潜在事件来学习离散时间序列数据中的结构，这些事件在每个时间步触发，以及这些事件如何因果联系。我们说明了一个健全的因式分解任务，网络拓扑结构识别任务和视频游戏任务的模型。
2012-05-09 cs.LG stat.ML
Latent Variable Modelling Using Variational Autoencoders: A survey
概率分布允许从业者发现数据中隐藏的结构，并建立模型来使用有限的数据解决监督学习问题。本报告的重点是变分自编码器，一种学习大型复杂数据集概率分布的方法。该报告提供了一个理论上的理解变分自编码器，并巩固了目前的研究领域。该报告分为多个章节，第一章介绍了问题，描述了变分自编码器，并确定了该领域的关键研究方向。第2、3、4和5章深入讨论了每个关键研究领域的细节。第6章是报告的结论，并提出了今后工作的方向。对机器学习有基本了解但又想了解机器学习研究中一般主题的读者可以从本报告中受益。该报告解释了学习概率分布的中心思想，人们做了什么来使其易于处理，并详细介绍了深度学习目前如何应用。该报告也为那些希望为这个子领域做出贡献的人提供了一个温和的介绍。
2022-06-20 cs.AI cs.LG
Intervention, Not Shared Latents: Blocking Visual Shortcuts in Audio-Video Generation
RIKEN iTHEMS（理化学研究所跨学科理论科学研究所）；RIKEN AIP（理化学研究所先进智能研究中心）；Columbia University（哥伦比亚大学）；South China University of Technology（华南理工大学）
本文通过因果研究证明，音视频生成模型因视觉捷径（从外观而非事件预测声音）而失效，并提出反事实不变性作为识别因果预测器的必要条件，实验验证了干预干扰因素的必要性。
2026-09-24 cs.GR cs.LG cs.SD
SoundBrush: Sound as a Brush for Visual Scene Editing
POSTECH（浦项科技大学）；Inha University（仁荷大学）；Yonsei University（延世大学）
SoundBrush 提出以声音为画笔编辑视觉场景，通过将音频特征映射到 Latent Diffusion Model 的文本空间，实现声音驱动的 2D 和 3D 场景编辑，并能保留原始内容、插入发声物体。
2024-12-31 cs.CV cs.LG cs.SD
Cross-covariance modelling via DAGs with hidden variables
University of Washington（华盛顿大学）
具有隐变量的DAG模型存在许多困难，这些困难在观察所有节点时不存在。特别是，完全观察到的DAG模型被识别并对应于定义良好的分布集，而如果节点未被观察到，则情况并非如此。本文对一类一维高斯潜变量模型给出的分布集进行了精确的刻画。这些模型涉及两个观察变量块，仅对互协方差矩阵进行建模。我们描述了这个模型的相互协方差矩阵的奇异值分解的关系。我们表明，虽然该模型是欠识别，有用的信息可以提取。我们进一步考虑一种替代参数化，其中一个潜在变量与每个块相关联。我们的分析导致了一些新的协方差等价结果高斯隐变量模型。
2013-01-10 cs.LG stat.ML
Latent Gaussian Process Regression
University of Bristol（布里斯托大学）；University of Bath（巴斯大学）
我们介绍了潜在的高斯过程回归，这是一个潜在的变量扩展允许非平稳多模态过程使用GP建模。该方法是建立在扩展的输入空间的回归问题的潜变量，用于调制的协方差函数的训练数据。我们展示了我们的方法可以用来模拟多模态和非平稳过程。我们在一组合成数据上验证了该方法，并提供了来自运动捕捉和地质统计学的真实数据的结果。
2017-09-16 cs.LG stat.ML
Multidimensional Bayesian IRT Model for Hierarchical Latent Structures
在许多情况下，我们有理由认为，个体的潜在特征具有层次结构，因此，更一般的特征是更具体的特征的适当组合。现有的项目反应模型，占这样的层次结构的功能有相当大的局限性，在建模和/或推理。出于这些限制和主题的重要性，本文旨在提出一种改进的方法，在建模和推理方面，以处理层次结构的潜在特质的项目反应理论的背景下。从建模的角度来看，所提出的方法允许真正的多维项目和假设的层次结构中的所有潜在特征是在同一规模上。项目可以是二分的或分级的反应。设计了一种有效的MCMC算法，从所提出的模型的所有未知量的联合后验分布中进行采样。特别地，在吉布斯抽样算法中，所有潜在特质参数从它们的全条件分布联合抽样。所提出的方法适用于模拟数据和真实的数据集有关的Enem考试在巴西。
2020-07-26 stat.ME
A Bayesian binomial regression model with latent Gaussian processes for modelling DNA methylation
表观遗传观察结果由来自给定细胞池的读数总数和甲基化读数的数量表示，使得通过二项分布对该数据进行建模是合理的。有许多因素可以影响在特定区域的成功概率。此外，这些概率具有很强的空间（与基因组一起）依赖性。我们将依赖于协变量和空间依赖的甲基化概率的观察池的细胞通过一个二项式回归模型与潜在的高斯场和logit链接函数。我们采用贝叶斯方法，包括模型配置的先验规范。为了得到参数和模型的联合后验分布，我们在不同的协变量选择上运行跳模马尔可夫链蒙特卡罗算法（MJMCMC）。这还允许找到最佳协变量集以对感兴趣的基因组区域内的甲基化概率和协变量的个体边缘包含概率进行建模。
2020-04-28 q-bio.GN q-bio.QM stat.AP
Modelling Cellular Perturbations with the Sparse Additive Mechanism Shift Variational Autoencoder
insitro
本文提出SAMS-VAE模型，通过稀疏全局潜在变量建模干预效应，实现扰动模型的组合性、解耦性和可解释性，并在单细胞数据上验证了其泛化能力和生物学机制相关性。
2024-01-16 cs.AI cs.LG q-bio.QM
not-MIWAE: Deep Generative Modelling with Missing not at Random Data
Technical University of Denmark（丹麦技术大学）；Inria（法国国家信息与自动化研究所）；Laboratoire J.A. Dieudonné（迪厄多内实验室）
当缺失的过程依赖于缺失值本身时，需要显式建模并在进行基于似然性的推理时将其考虑在内。我们提出了一种方法，用于建立和拟合深度潜变量模型（DLVM）的情况下，缺失的过程是依赖于缺失数据。具体来说，深度神经网络使我们能够灵活地对给定数据的缺失模式的条件分布进行建模。这允许将关于缺失类型的先验信息（例如，自删失）并入模型中。我们的推理技术，基于重要性加权变分推断，涉及最大限度地降低联合可能性。通过在隐空间和数据空间中使用重新参数化技巧，得到了该界的随机梯度。我们在各种数据集和缺失模式上显示，明确地对缺失过程进行建模是非常宝贵的。
2021-03-18 cs.LG stat.ME stat.ML
SCAPES: Semantically Conditioned Autoregressive Prior for Environmental Sounds
本文提出轻量高效的生成式音频模型SCAPES，可通过语义控制合成高保真环境声音，仅需单个消费级GPU即可训练，支持语义插值，相关资源已公开。
2026-09-07 cs.AI cs.LG cs.SD
A Constraint-Based Algorithm For Causal Discovery with Cycles, Latent Variables and Selection Bias
自然界中的因果过程可能包含循环，而真实数据集可能违反因果充分性并包含选择偏差。目前没有基于约束的因果发现算法可以同时处理周期、潜变量和选择偏差（CLS）。因此，我介绍了一种算法，称为循环因果推断（CCI），使健全的推论与条件独立的预言CLS下，只要我们可以表示为一个非递归的线性结构方程模型的非递归的因果过程的独立错误。实证结果表明，CCI优于CCD在循环的情况下，以及竞争对手的FCI和RFCI在非循环的情况下。
2018-05-05 cs.LG stat.ME stat.ML
Spatial Latent Gaussian Modelling with Change of Support
针对不同空间支撑数据，提出贝叶斯空间潜在高斯模型，通过基函数与高斯马尔可夫随机场处理支撑变化，并在估计和预测中纳入不确定性，经模拟和实际数据验证。
2024-03-13 stat.ME
Modelling Technical and Biological Effects in scRNA-seq data with Scalable GPLVMs
University of Cambridge（剑桥大学）；Wellcome Sanger Institute（威康桑格研究所）
单细胞RNA-seq数据集的规模和复杂性不断增长，使得研究各种生物/临床背景下的细胞组成变化成为可能。需要可扩展的降维技术来解开其中的生物变异，同时考虑技术和生物混杂因素。在这项工作中，我们扩展了一种流行的概率非线性降维方法，高斯过程潜变量模型，以扩展到大规模的单细胞数据集，同时明确考虑技术和生物学混杂因素。其关键思想是使用一个增广的内核，它保留了可因式分解的下限，允许快速随机变分推理。我们证明了其重建Kumasaka等人（2021）中恢复的先天免疫的潜在特征的能力。我们进一步分析了COVID数据集，并在130人的队列中证明，该框架在捕获可解释的感染特征的同时实现了数据集成。具体而言，我们探索COVID严重程度作为一个潜在的维度，以完善患者分层和捕获疾病特异性基因表达。
2022-11-06 cs.LG q-bio.GN stat.AP
Spatial Bayesian Hierarchical Modelling with Integrated Nested Laplace Approximation
我们认为潜在的高斯场建模空间依赖的背景下，空间点模式和面积数据，提供两个不同的应用。利用随机偏微分方程，建立了描述希腊地震序列的非齐次对数高斯Cox过程模型。Besag-York-Mollie模型适用于意大利北部Covid-19感染的疾病映射。这两个模型都属于贝叶斯分层模型类的潜在高斯字段，其后验是不可用的封闭形式。因此，使用集成嵌套拉普拉斯近似执行推断，该集成嵌套拉普拉斯近似为感兴趣的后验量提供准确且相对快速的分析近似。
2020-09-08 stat.AP
Parsimonious Bayesian Factor Analysis for modelling latent structures in spectroscopy data
近年来，随着市场货架上草饲乳制品的日益流行，动物饮食受到越来越多的关注，特别是研究基于牧场的喂养战略对牛奶和乳制品质量的影响。到目前为止，可用于验证草饲乳制品的测试方法有限，因此这些产品很容易受到食品欺诈和掺假的影响。因此，需要统计工具来研究来自不同饲养系统的动物的牛奶样本之间的潜在差异，从而提高产品真实性的安全性。红外光谱技术被广泛用于收集牛奶样品的数据和预测牛奶相关性状。虽然这些数据通常用于预测牛奶的宏观成分的组成，但每个光谱都提供了关于样品的未利用信息的储存库。由于这些数据的高维性和光谱变量之间的关系，对这些数据的解释提出了许多挑战。在这项工作中，我们提出了一个修改的标准因子分析，以诱导一个吝啬的总结光谱数据。该过程将观测映射到低维潜在空间，同时对观测变量进行聚类。该方法指出了数据中可能存在的冗余，有助于理清波长之间的复杂关系。一个灵活的贝叶斯估计过程中提出的模型拟合，提供合理的潜在因素和集群的数量值。该方法适用于牛奶中红外光谱数据从奶牛在不同的牧场和非牧场为基础的饮食，提供准确的建模的数据相关性，聚类的变量和信息之间的差异，从不同的饮食奶牛的牛奶样品。
2021-01-29 stat.AP stat.ME
A flexible class of latent variable models for the analysis of antibody response data
University of Birmingham（伯明翰大学）；Lancaster University（兰卡斯特大学）；Lund University（隆德大学）
本文提出了一种灵活的潜在变量模型，用于分析抗体反应数据，通过连续的潜在免疫反应表示个体免疫状态，提升了对年龄相关抗体分布变化的捕捉能力，并展示了模型的广泛适用性。
2026-02-24 stat.ME
Relational Causal Discovery with Latent Confounders
University of Illinois Chicago（伊利诺伊大学芝加哥分校）；Pinterest, Inc.（Pinterest公司）；Adobe Research（Adobe研究）
针对关系数据中存在潜在混杂因子的因果发现问题，提出可靠且完备的算法 RelFCI，基于 FCI 和 RCD 定义新图模型，并在理论和实验上验证了其有效性。
2025-11-03 cs.AI cs.LG
Modelling spatial heterogeneity in the effects of area-level covariates on income distributions using Bayesian nonparametric methods
King’s College London（伦敦国王学院）；University College London（伦敦大学学院）
本文提出NLMFM-C模型，通过混合潜在因子密度分析收入分布变化，探讨空间和协变量效应，应用于美国四个州2016和2020年的微观数据，揭示收入水平和人口特征对收入分布的影响。
2026-04-25 stat.AP stat.ME
Bayesian size-and-shape regression modelling
ETH Zurich（苏黎世联邦理工学院）；Università della Svizzera italiana（瑞士意大利语大学）；Polytechnic of Turin（都灵理工大学）；Sapienza University（罗马第一大学）
本研究基于已有成果，提出带高斯地标点的尺寸与形状响应变量回归模型的贝叶斯估计方法，该方法属于贝叶斯潜变量模型框架，具备高度灵活的建模能力。
2024-06-10 stat.ME
Bayesian Multilevel Bivariate Spatial Modelling of Italian School Data
本文使用空间贝叶斯多层回归模型结合双变量ICAR潜在效应，研究意大利高中学生能力与市镇基础设施禀赋的关系，发现基础设施和空间结构化潜在效应对解释学生成绩差异均具有显著作用。
2024-12-23 stat.AP stat.ME
Modelling dependence within and across run-off triangles for claims reserving
我们提出了一个索赔准备金的随机模型，捕捉依赖性沿发展年内的一个单一的三角形。这种依赖关系是$p$阶的自回归形式，并通过使用潜变量来实现。我们对模型参数进行贝叶斯推断，并通过使用分层先验，在来自不同业务线或公司的几个三角形上借用力量。
2019-11-27 stat.AP
A Bayesian Mallows approach to non-transitive pair comparison data: how human are sounds?
我们感兴趣的是了解听众如何将声音感知为具有人类起源。使用一系列电子合成的声音进行了一项实验，并要求听众成对比较它们。我们提出了一种贝叶斯概率方法，从非传递的成对比较数据中学习个人偏好，当数据中的一个（或多个）个人偏好与其他人所暗示的相矛盾时，就会发生这种情况。我们建立了一个贝叶斯马洛斯模型，以处理非传递性数据，与潜在的不确定性层，捕获的偏好误报的生成。然后，我们开发了一个混合扩展的马洛模型，能够学习个人偏好在一个异质性的人口。我们对音乐学实验的分析结果对电声作曲家和声音设计师以及音频行业都很感兴趣，他们的目的是了解如何产生计算机生成的声音，以便听起来更人性化。
2018-08-31 stat.AP
Modelling dark current and hot pixels in imaging sensors
一个复杂的协方差结构的高斯混合模型被用来分析实验数据，从数字传感器记录的图像在黑暗中，模拟温度和曝光时间对人工信号（暗电流）的影响，对普通和可能有缺陷的（热）像素。该模型考虑了每种潜在类型内的两个方差分量：每个图像中的随机噪声和传感器内的均匀性缺乏;这两个分量都允许取决于实验条件。结果似乎表明，暗电流的增长方式与曝光时间和温度不能用一个简单的参数模型表示。潜在类别模型检测至少两种类型的热像素的存在，其中较不频繁的热像素也具有更极端的行为。虽然传感器的均匀性的缺乏被曝光的持续时间和温度放大，但是像素特性似乎在相同的方向上偏离并且具有相同的相对大小。
2018-04-16 stat.AP
Two-Step Sound Source Separation: Training on Learned Latent Targets
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Mila--Quebec Artificial Intelligence Institute（Mila-魁北克人工智能研究所）；Adobe Research（Adobe研究院）
在本文中，我们提出了一个两步的训练过程，通过深度神经网络的声源分离。在第一步中，我们学习到潜在空间的变换（并且它是逆变换），其中使用oracle的基于掩蔽的分离性能是最佳的。对于第二步，我们训练一个分离模块，该模块在先前学习的空间上操作。为了做到这一点，我们还利用了一个尺度不变的信号失真比（SI-SDR）的损失函数，在潜在的空间，我们证明了它下界SI-SDR在时域。我们运行各种声音分离实验，展示了这种方法如何获得更好的性能相比，学习变换和分离模块联合系统。所提出的方法是通用的，足以适用于一个大类的神经网络端到端的分离系统。
2019-10-23 cs.CL cs.LG cs.SD
Reciprocal Latent Fields for Precomputed Sound Propagation
Ubisoft La Forge（育碧La Forge）；Audiokinetic
提出互易潜在场（RLF）框架，通过可训练潜在嵌入网格和对称解码器压缩声学参数，在保持复制质量的同时将内存占用降低数个数量级。
2026-06-23 cs.LG cs.SD eess.AS
Language Modelling for Sound Event Detection with Teacher Forcing and Scheduled Sampling
Tampere University（坦佩雷大学）
声音事件检测（SED）方法通常将音频帧序列作为输入，并预测每一帧中的声音事件的活动。在现实生活中的录音中，声音事件表现出一些时间结构：例如，“汽车喇叭”之后可能会有“汽车经过”。虽然这种时间结构在序列预测任务中被广泛利用（例如，在机器翻译中），其中利用了语言模型（LM），但是在SED中不能令人满意地对其进行建模。在这项工作中，我们提出了一种方法，它允许一个递归神经网络（RNN）学习LM的SED任务。该方法用前一个时间步的类活动来调节RNN的输入。我们使用F1得分和出错率（ER）在三个不同的公开数据集上评估我们的方法; TUT-SED合成2016和TUT声音事件2016和2017数据集。所获得的结果显示，当使用我们的方法时，TUT Sound Events 2016和2017数据集的F1增加了9%和2%（越高越好），ER减少了7%和2%（越低越好）。相反，使用我们的方法，对于TUT-SED Synthetic 2016数据集，F1评分降低了4%，ER评分增加了7%。
2019-11-06 cs.LG cs.SD eess.AS
Modelling Animal Biodiversity Using Acoustic Monitoring and Deep Learning
几个世纪以来，研究人员一直使用声音来监测和研究野生动物。传统上，自然资源保护主义者通过耳朵识别物种;然而，现在普遍采用录音技术来监测动物和生态系统的声音。动物利用声音进行交流、交配、导航和领土防御。动物的声音提供了有价值的信息，并帮助保护主义者量化生物多样性。由于各种传感器类型（包括相机陷阱、便携式声学传感器、无源声学传感器甚至智能手机）的可用性，声学监测已经变得越来越受欢迎。被动声学传感器易于部署，可以长时间运行，以提供对栖息地和动物和非法活动发出的声音的见解。虽然这项技术带来了巨大的好处，但所产生的数据量使得处理对自然资源保护者来说是一个耗时的过程。因此，自然资源保护主义者有兴趣自动处理声学数据，以帮助加快生物多样性评估。处理这些大数据源并从背景噪声中提取相关声音带来了重大挑战。在本文中，我们概述了一种实现这一目标的方法，使用机器学习的最新技术从时间序列音频信号中自动提取特征，并对深度学习模型进行建模，以根据它们发出的声音对不同的鸟类进行分类。采集到的鸟鸣声进行处理，使用梅尔频率倒谱（MFC）提取的功能，随后使用多层感知器（MLP）进行分类。我们提出的方法取得了可喜的成果，0.74的灵敏度，0.92的特异性和0.74的准确性。
2021-03-12 cs.LG cs.SD eess.AS
Deep generative models for musical audio synthesis
National University of Singapore（新加坡国立大学）
声音建模是开发在参数控制下生成声音的算法的过程。历史上已经开发了一些不同的方法，包括对声音产生和传播的物理学进行建模，组装信号生成和处理元件以捕获声学特征，以及操纵记录的音频样本的集合。虽然这些方法中的每一种都能够为特定的应用实现高质量的合成和交互，但它们都是劳动密集型的，并且每一种都有自己的挑战，需要设计任意的控制策略。最近用于音频合成的生成式深度学习系统能够学习模型，这些模型可以遍历由它们训练的数据定义的任意声音空间。此外，机器学习系统正在为这些模型提供设计控制和导航策略的新技术。本文回顾了深度学习的发展，这些发展正在改变声音建模的实践。
2020-11-25 cs.LG cs.SD eess.AS
CodecSep: Prompt-Driven Universal Sound Separation on Neural Audio Codec Latents
Department of Electrical Engineering（电气工程系）；Indian Institute of Technology, Kanpur（印度理工学院，坎浦尔）
CodecSep通过在神经音频编解码器潜在空间中直接提取声源，实现开放词汇声音分离，相比AudioSep在SI-SDR指标上表现更优，且在ViSQOL和MOS-LQS上取得显著提升，同时提供低延迟的代码流部署方案。
2026-06-21 cs.LG cs.SD eess.AS
Shared latent subspace modelling within Gaussian-Binary Restricted Boltzmann Machines for NIST i-Vector Challenge 2014
Stel - Computer Systems Ltd.（Stel计算机系统有限公司）
提出了一种基于高斯-二元限制玻尔兹曼机（GRBM）的说话人子空间建模方法。该模型基于概率线性判别分析（PLDA）中的共享因子的思想。GRBM隐藏层分为扬声器和信道因子，其中扬声器因子在扬声器的所有向量上共享。然后，最大似然参数估计（MLE）的建议模型。提出了基于GRBM的说话人确认的各种新的评分技术。提供了NIST i-vector Challenge 2014数据集的结果。
2015-03-18 cs.LG cs.NE cs.SD
