PulseAugur
中
实时 11:11:02
English(EN) Inclusive KL Gradient Flows: Otto-Wasserstein, Fisher-Rao-Gaussian, and Local-Estimator Dynamics

新研究统一了用于统计推断的KL散度梯度流

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新的研究论文介绍了一个用于分析统计推断算法的统一框架，重点关注包容性Kullback-Leibler (KL) 散度。该工作建立了梯度流和概率密度函数 (PDF) 框架，展示了最大均值差异 (MMD) 最小化如何被视为包容性KL推断。该论文还为包容性KL散度开发了Fisher-Rao和Wasserstein-Fisher-Rao梯度流，并提出了一种局部估计器Wasserstein梯度流，该流在算法性能上优于基于MMD的方法。 AI

排序理由 该聚类包含一篇单独的arXiv预印本，详细介绍了统计推断方面的新研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新研究统一了用于统计推断的KL散度梯度流

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Jia-Jie Zhu ·

    包容性KL梯度流：Otto-Wasserstein、Fisher-Rao-高斯和局部估计器动力学

    arXiv:2411.00214v2 Announce Type: replace Abstract: Otto's Wasserstein gradient flow of the inclusive (forward) Kullback--Leibler (KL) divergence offers a principled framework for analyzing statistical inference algorithms, yet algorithms targeting the exclusive (reverse) KL dive…

相关话题