约束高斯混合的重要性采样框架提出

Paweł Lorek 等作者发表论文，提出一种用于高斯分布下稀有事件概率估计的约束高斯混合模型（GMM）重要性采样框架。该框架将问题拆分为覆盖与拟合两阶段，以克服冷启动障碍，并约束最终提议分布，使其重要性采样方差有限。 作者称，该框架在效率和鲁棒性上优于粗蒙特卡洛、自适应交叉熵、基于变分推断的方法（含反向与前向 KL 方法）以及 Safe-ICE、子集模拟和序贯蒙特卡洛等基线。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。