★ 2
arXiv 论文提出多层粒子边缘 Metropolis-Hastings 贝叶斯深度学习方法
论文针对 AI 中可靠不确定性量化难题，提出多层粒子边缘 Metropolis-Hastings（MLPMMH）方法，结合伪边缘推断与跨网络宽度截断层级的耦合序列蒙特卡洛。作者证明 MLPMMH 以 O(ε⁻²) 期望计算代价达到 O(ε²) 均方误差，并提出可扩展近似 S-MLPMMH。在 MN…
arXiv cs.LG18 天前
#MCMC
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
一步隐式采样实现摊销贝叶斯推断
论文提出一步隐式采样器 OSIS，利用短时 MCMC 动力学为隐式建模分布的演化定义局部目标。在渐近极限下，建模分布是 MCMC 核的不动点，从而采样自目标分布。OSIS 相比多步摊销采样器和非摊销 MCMC 基线表现良好，且采样时效率更高。
arXiv cs.LG21 天前
这个主题的相关资产
相关术语MCMC（马尔可夫链蒙特卡洛）