amortization 推断网络用于后验推断
机器学习
2026-05-27 v1
摘要
摊销推断承诺实现快速的测试时间贝叶斯推断，但现有方法本质上依赖于固定模型。将摊销推断扩展到不可见模型通常需要重新训练或昂贵的测试时间微调。在本文中，我们提出：是否可以构建一个单一的推断网络，能够在不同的先验分布、似然函数和维度之间实现泛化？我们引入了摊销因子推断网络（AFINs），这是一类基于维度独立模块构建的编码-合并-解码推断网络，这些模块将模型规范及其观察映射到变分后验参数。实验表明，单个训练好的 AFIN 在后验准确性方面可与 NUTS 及几种变分推断方法相当，同时测试时间计算量仅为其 2 至 4 个数量级。代码已公开于 https://github.com/joohwanko/AFINs。
引用
@article{arxiv.2605.26419,
title = {Amortized Factor Inference Networks for Posterior Inference},
author = {Joohwan Ko and Justin Domke},
journal= {arXiv preprint arXiv:2605.26419},
year = {2026}
}