GMVIP

新的GMVIP方法增强了隐式过程先验的贝叶斯推理

研究人员引入了广义马瑟隆变分隐式过程（GMVIP），这是一个新颖的变分族，专为具有隐式过程先验的后验推理而设计。这些先验通常通过贝叶斯神经网络或随机模拟器等机制定义，通常缺乏可访问的函数空间密度。GMVIP通过构建校正的路径wise方法来构造后验样本，从而解决了这个问题，并保留了原始隐式过程的结构和变异性。在回归、分类和时间序列预测任务上的实验表明，GMVIP与现有方法相比具有竞争力，特别是在利用模拟器定义的和检索条件化的经验轨迹先验时。