PulseAugur
中
实时 23:26:40

新的OM-Path方法改进了深度高斯过程推理

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出了一种用于深度高斯过程（DGP）近似推理的新方法OM-Path。该方法将推理视为后验传输，学习一个确定性采样器将参考测度映射到诱导变量。OM-Path利用Onsager-Machlup作用作为路径正则化器，并在特定大型数据集上显示出比DBVI等现有方法有统计学上的显著改进，尽管在较小、噪声较大的数据集上表现相当。 AI

影响 引入了一种新颖的推理技术，可能会提高深度高斯过程在复杂回归任务上的性能。

排序理由 该集群包含一篇详细介绍机器学习新方法的学术论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Jian Xu, Delu Zeng, John Paisley, Qibin Zhao ·

    Onsager-Machlup 后验传输用于深度高斯过程

    arXiv:2605.23434v1 Announce Type: new Abstract: Approximate inference over inducing variables is the central computational bottleneck of Deep Gaussian Processes (DGPs). Existing methods either fit an explicit density $q_\phi(\bU)$ by an ELBO (DSVI, IPVI, DDVI, DBVI) or sample by …

  2. arXiv cs.LG TIER_1 English(EN) · Qibin Zhao ·

    Onsager-Machlup 后验传输用于深度高斯过程

    Approximate inference over inducing variables is the central computational bottleneck of Deep Gaussian Processes (DGPs). Existing methods either fit an explicit density $q_φ(\bU)$ by an ELBO (DSVI, IPVI, DDVI, DBVI) or sample by MCMC (SGHMC). We instead frame DGP inference as \em…

相关话题