輸送スコア登 Climbing:前方KLと適応ニューラル輸送を用いた変分推論【JST・京大機械翻訳】

Zhang Liyi; Blei David M.; Naesseth Christian A.

プレプリント

J-GLOBAL ID：202202217144388074 整理番号：22P0284453

輸送スコア登 Climbing:前方KLと適応ニューラル輸送を用いた変分推論【JST・京大機械翻訳】

Transport Score Climbing: Variational Inference Using Forward KL and Adaptive Neural Transport

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月03日プレプリントサーバーでの情報更新日： 2022年09月02日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

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】

, , , , ,
, , , , , , 【Automatic Indexing@JST】

細胞膜の輸送

, , ,

前のページに戻る