Eloi Tanguy

新方法实现机器学习的可微期望最大化

研究人员开发了新方法，使期望最大化（EM）算法（如高斯混合模型（GMM）等统计和机器学习任务的常用工具）能够进行端到端梯度传播。这一进展使得EM能够集成到现代学习流程中。该工作还引入了一种可微EM的新应用，用于计算GMM之间的混合Wasserstein距离（$\mathrm{MW}_2$），使其能够用作各种成像和机器学习应用（包括图像生成和纹理合成）中的可微损失函数。