分支斯坦变分梯度下降：面向多峰分布的采样方法
机器学习
2025-07-18 v2 统计计算
机器学习
摘要
我们提出了一种新颖的基于粒子的变分推断方法，旨在处理多峰分布。我们的方法称为分支斯坦变分梯度下降（BSVGD），它通过引入一个随机分支机制来扩展经典的斯坦变分梯度下降（SVGD）算法，该机制鼓励对状态空间进行探索。本文给出了分布收敛性的理论保证，并通过数值实验验证了该算法的适用性。使用样本之间的Wasserstein距离以及相应的计算时间，对BSVGD和SVGD进行了性能比较。
引用
@article{arxiv.2506.13916,
title = {Branching Stein Variational Gradient Descent for sampling multimodal distributions},
author = {Isaías Bañales and Arturo Jaramillo and Joshué Helí Ricalde-Guerrero},
journal= {arXiv preprint arXiv:2506.13916},
year = {2025}
}