研究人员提出可微系统重采样方法DSR

研究人员 Fredrik Cumlin 和 Saikat Chatterjee 提出可微系统重采样（DSR），用于变分序列蒙特卡洛的全梯度流。据其介绍，DSR 是受温度控制的系统重采样松弛方法，保留系统重采样的 CDF 有序带状结构，温度趋于零时收敛到精确的系统重采样，并证明了诱导偏差的逐点指数收敛速率。 与基于最优传输的可微重采样相比，DSR 无需迭代求解器、计算开销显著更低，在随机动力系统和真实手写数据上取得相当或更优的滤波与动力学学习表现。该工作已被 NeurIPS 2026 接收。

AI 根据报道生成 · 43 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。