可扩展稀疏自回归变分推断框架论文发布

研究者在 arXiv 发布论文，提出一种可扩展变分推断框架，用于非高斯空间场的潜变量场后验估计。作者 Paul F. V. Wiemann 和 Matthias Katzfuss 称，该方法在变分族中复刻先验的稀疏最近邻自回归结构，并采用归一化流条件分布提升表达能力，全部变分参数通过单一共享神经调节器摊销。 论文称，配合缩减祖先集的双重随机优化，该方法每次迭代达到多对数复杂度。上述表述来自论文自述，尚未见独立验证其实际效果。

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。