arXiv 发布变换采样器方差缩减论文
热点事件持续更新
arXiv 发布变换采样器方差缩减论文
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
研究者 Siran Liu、Michalis Tisias 与 Petros Dellaportas 在 arXiv 发布论文《Transformed Samplers with Variance Reduction》，提出一种通过学习变量变换扩展控制变量解法的方法：用正规化流等双射将一般目标分布映射到潜在空间，使其接近参考密度，从而把已知谱分解的 Markov 核与 Poisson 解迁移过来，在潜在空间运行采样器即可得到显式控制变量。 作者称，该估计量在映射与目标满足温和尾部条件下保持一致性，从流中进行重要性采样是其极限情形。论文在合成目标与真实后验上将这一方法与当前最优采样器和控制变量进行了对比。
AI 根据报道生成 · 1 小时前更新
最新进展10月9日 12:00
基于变量变换与方差缩减的采样器报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv：cs.LG基于变量变换与方差缩减的采样器
研究者提出一种通过学习变量变换扩展控制变量解法的方法：用正规化流等双射将一般目标分布映射到潜在空间，使其接近参考密度，从而把已知谱分解的Markov核与Poisson解迁移过来，在潜在空间运行采样器即可得到显式控制变量。该估计量在映射与目标满足温和尾部条件下保持一致性，从流中进行重要性采样是其极限情形。合成目标与真实后验上的实验将该方法与当前最优采样器和控制变量进行了对比。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。