PulseAugur
中
实时 12:31:52
English(EN) Complexity Analysis of Normalizing Constant Estimation: from Jarzynski Equality to Annealed Importance Sampling and beyond

对机器学习中归一化常数估计的新的复杂性分析

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个新的理论框架，用于分析概率分布中归一化常数估计的复杂性。这项工作侧重于退火重要性采样方法，提供了非渐近分析，在达到指定的相对误差时，其预言机复杂性为 \(\\widetilde{O}(\frac{d\beta^2{\mathcal{A}}^2}{\varepsilon^4})\)。该分析利用Girsanov定理和最优传输，避免了显式的等周假设。此外，还提出了一种使用反向扩散采样器的新算法来处理大作用量和多模态问题，并进行了经验验证。 AI

影响 为改进机器学习模型中的密度估计技术提供了理论基础。

排序理由 该集群包含一篇详细介绍统计机器学习理论进展的新学术论文。[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 →

对机器学习中归一化常数估计的新的复杂性分析

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群包含一篇详细介绍统计机器学习理论进展的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
105 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Wei Guo, Molei Tao, Yongxin Chen ·

    归一化常数估计的复杂性分析：从Jarzynski等式到退火重要性采样及其他

    arXiv:2502.04575v3 Announce Type: replace Abstract: Given an unnormalized probability density $\pi\propto\mathrm{e}^{-V}$, estimating its normalizing constant $Z=\int_{\mathbb{R}^d}\mathrm{e}^{-V(x)}\mathrm{d}x$ or free energy $F=-\log Z$ is a crucial problem in Bayesian statisti…

相关实体

相关话题