arXiv stat.ML· Cl\'ementine Chazal, Heishiro Kanagawa, Zheyang Shen, Anna Korba, Chris. J. Oates·· 12 天前AI 评分29
熵正则化变分目标次优性的可计算度量：核梯度差异 KGD
A Computable Measure of Suboptimality for Entropy-Regularised Variational Objectives
AI 导读
研究者针对熵正则化变分目标引入了名为“梯度差异”的新型次优性度量，并提出可显式计算的核梯度差异（KGD）。在无法获取未归一化密度函数的情况下，KGD 支持开发并对比新型采样算法，包括 Stein 变分梯度下降的推广，并已应用于平均场神经网络和预测导向后验。理论上，该工作确立了 KGD 具备连续性及收敛控制等性质的充分条件。
来源：arXiv stat.ML · arxiv.org