抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
モンテカルロおよび変分推論アルゴリズムを実行するときの主要な設計制約は,提案分布および変分ファミリーの限界密度を安価かつ正確に評価する必要があることである。これは,関連するシミュレーションまたは確率的最適化に基づくもののような,テーブルから多くの興味深い提案を取る。本論文は,提案密度が正確に評価できないとき,モンテカルロおよび変分推論アルゴリズムを適用するためのフレームワークを提示することによって,設計空間を広げた。このフレームワーク,再帰的補助変数推論(RAVI)は,メタ推論を用いて必要な密度を近似する:モンテカルロまたは変分推論の付加的層,モデルよりむしろ提案を目標とする。RAVIは,表現近似ファミリーによる推論のためのいくつかの既存の方法を一般化し,統一し,それは,メタ推論アルゴリズムの特定の選択に対応し,それらのバイアスと分散を解析するための新しい理論を提供する。SalimansらのMarkov連鎖変分推論を解析,改善するために,RAVIの設計フレームワークと定理を説明し,Dirichletプロセス混合物の新しい試料採取器を設計し,天文学からの標準ベンチマークデータセットに関する最新の結果を達成し,また,メディカル病院データによる挑戦的なデータ浄化タスクに関する最新の結果を達成した。【JST・京大機械翻訳】