Linear Ensemble Sampling

新的集成采样方法有望提高机器学习研究的效率和准确性

两篇新研究论文提出了新颖的集成采样技术，以提高机器学习中模型探索的效率和准确性。第一篇论文《具有更小集成的小型线性集成采样》介绍了一种通过监控Gram矩阵的变化来减少集成刷新频率的算法，以更小的集成规模实现了最先进的遗憾界限。第二篇论文《淬灭集成采样》提出了一种将硬能量约束推广到排斥势的方法，从而能够在相变过程中实现更鲁棒的采样，并改进了贝叶斯神经网络和晶格场论中的应用。