条件生成模型的可证明鲁棒性：贝叶斯逆问题的逐点保证
机器学习
2024-07-22 v3 统计理论
统计理论
摘要
条件生成模型已成为从贝叶斯逆问题后验中采样的强大工具。在经典贝叶斯文献中，后验测度对于先验测度和负对数似然（包括观测的扰动）的扰动是相当鲁棒的，这是众所周知的。然而，据我们所知，条件生成模型相对于观测扰动的鲁棒性尚未被研究。在本文中，我们首次证明适当学习的条件生成模型对单条观测提供鲁棒的结果。
引用
@article{arxiv.2303.15845,
title = {Conditional Generative Models are Provably Robust: Pointwise Guarantees for Bayesian Inverse Problems},
author = {Fabian Altekrüger and Paul Hagemann and Gabriele Steidl},
journal= {arXiv preprint arXiv:2303.15845},
year = {2024}
}
备注
Accepted and published in Transactions on Machine Learning Research (07/2023)