利用蒙特卡罗方法实现混合效应神经网络对多样化，集群数据的支持
原文中文，约300字，阅读约需1分钟。发表于：。MC-GMENN 是一种新颖的方法，使用蒙特卡罗方法训练广义混合效应神经网络，证明在泛化性能、时间复杂度和簇间差异量化方面优于现有的混合效应深度学习模型，适用于包括多类别分类任务在内的各种数据集，并提供了一种解释聚类模式效果的原则方法。
该研究提出了一种新的层级似然学习框架，通过引入伽马随机效应到Poisson深度神经网络中，来捕捉输入变量的非线性效应和主题特定的聚类效应，从而提高预测性能。该方法适用于处理包含高基数分类特征的聚类计数数据，并且可以轻松实施最新的网络架构。实验结果证实了该方法的优势。
