研究人员为 Moreau-Yosida 未调整 Langevin 算法 (MYULA) 开发了新的复杂度界限,这是一种用于从概率分布采样的算法。该研究关注形式为 $\pi(\,\mathrm{d} x)\propto e^{-f(x)-g(x)}\,\mathrm{d} x$ 的分布,其中 $f$ 是强凸的,$g$ 是凸的和 Lipschitz 的。研究结果为算法的收敛速率提供了理论保证,确立了达到所需精度需要 $\widetilde O(\varepsilon^{-4/3})$ 次迭代的误差界限。 AI
影响 为与机器学习相关的采样算法建立了理论收敛保证。
排序理由 该集群包含一篇详细介绍算法理论进展的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv
- Influence Flower
- Langevin
- Moreau--Yosida
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →