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。
変分推論は,近似分布qから後部pまで「逆」Kullbeck-Leibler(KL)KL(q′′p)をしばしば最小化する。最近の研究では,逆KLと違った「前方」KL KL(p′′q)は,不確実性を過小評価する変分近似をもたらさない。本論文では,ハミルトニアンモンテカルロ(HMC)と新しい適応輸送マップを用いてKL(p′′q)を最適化する方法,輸送スコアクライミング(TSC)を紹介した。輸送マップは,潜在変数空間と縦糸空間の変数の変化として作用することにより,HMCの軌跡を改善する。TSCはHMCサンプルを用いて輸送マップを動的に訓練し,KL(p′′q)を最適化した。TSCは,より良い輸送マップがより良いHMCサンプリングをもたらす相乗効果を利用して,より良い輸送マップに導いた。合成および実データに関するTSCを実証した。TSCは,大規模データ上で変分オートエンコーダを訓練するとき,競合性能を達成することを見出した。【JST・京大機械翻訳】