黑盒生成器上的对抗式似然自由推断
机器学习
2020-06-12 v2 机器学习
摘要
生成对抗网络（Generative Adversarial Network, GAN）可视为数据分布的隐式估计器，这一视角促使人们在黑盒生成器的真实输入参数估计中运用对抗思想。先前关于似然自由推断的工作在生成器输入上引入了隐式提议分布，本文分析了提议分布方法的理论局限。在此基础上，我们提出一种新算法——对抗式似然自由推断（Adversarial Likelihood-Free Inference, ALFI），以缓解所分析的局限，从而ALFI能够为黑盒生成模型找到输入参数上的后验分布。我们在多种仿真模型以及预训练统计模型上实验了ALFI，并发现ALFI在有限仿真预算下取得了最佳的参数估计精度。
引用
@article{arxiv.2004.05803,
title = {Adversarial Likelihood-Free Inference on Black-Box Generator},
author = {Dongjun Kim and Weonyoung Joo and Seungjae Shin and Kyungwoo Song and Il-Chul Moon},
journal= {arXiv preprint arXiv:2004.05803},
year = {2020}
}
备注
10 pages for the main paper