实体
Kernelized Stein Discrepancy
Kernelized Stein Discrepancy
PulseAugur coverage of Kernelized Stein Discrepancy — every cluster mentioning Kernelized Stein Discrepancy across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新方法通过核化斯坦因差异提供高效的模型测试
研究人员开发了一种新的、计算上高效的方法来评估统计模型和机器学习模型的充分性，特别是那些具有难以处理的归一化常数的模型。该方法利用核化斯坦因差异框架，并引入了一种新颖的影响调整野值自举法。这种自举法避免了模型重新拟合或抽样的需要，使其比现有技术快得多。该方法在模拟中已显示出具有竞争力的或更优的效力，并已应用于分析肺腺癌肿瘤的蛋白质信号网络数据。
-
新的收敛率改进了 Stein 变分梯度下降法
研究人员为 Stein 变分梯度下降法（SVGD）算法开发了新的有限粒子收敛率。这些进展提供了对 SVGD 在核化 Stein 差异（KSD）和 Wasserstein-2 度量下的性能的改进的理论理解。新的收敛率比之前的结果有了显著改进，特别是在粒子数量多和高维度的场景下。
-
新研究探索用于智能体生存、导航和可解释性的高级强化学习 · 跟踪 7 个来源
研究人员正在探索强化学习（RL）的高级技术，以增强智能体的性能和可解释性。一项研究提出了程序化策略（PERL）作为进化 RL 中神经策略（NERL）的替代方案，证明了 PERL 更高的生存率。另一篇论文侧重于使用 RL 进行自主机器人的流感知导航，发现使用速度和记忆传感器训练的智能体优于那些具有显式全局流参数的智能体。此外，正在开发新的方法来解释 RL 智能体，例如使用归纳逻辑编程（ILP）为策略可解释性创建客观指标，以及一种称为 S…