GEMSS: A Variational Method for Discovering Multiple Sparse Solutions in Classification and Regression Problems
Het artikel introduceert GEMSS, een variationele methode die gebruikmaakt van een enkel mengmodel met ingebouwde repulsie om efficiënt meerdere onderscheidende, ijle en statistisch plausibele oplossingen te ontdekken voor hoogdimensionele classificatie- en regressieproblemen, waarbij het bestaande baselines overtreft in zowel synthetische benchmarks als real-world toepassingen.