Paul Valsecchi Oliva

为统计推断引入新的动力学相互作用粒子 Langevin Monte Carlo 方法

本文介绍了动力学相互作用粒子 Langevin Monte Carlo (KIPLMC) 方法，这是一种用于潜在变量模型统计推断的新颖方法。所提出的扩散过程联合演化参数和潜在变量，其平稳分布集中在最大边际似然估计量周围。本文提出了该扩散的两种显式离散化作为实用算法，在 Wasserstein-2 距离上实现了加速收敛率，特别是对于强凹对数似然。通过适用于无监督学习、统计推断和逆问题的数值实验证明了该方法论的效用。