共轭自然选择
机器学习
2023-06-14 v4 神经与进化计算
机器学习
摘要
我们证明 Fisher-Rao 自然梯度下降（FR-NGD）最优地逼近连续时间复制方程（进化动力学的一个基本模型），并将此对应称为“共轭自然选择”。这一对应为在连续或高维假设空间上的进化计算提供了替代方法。作为一个特例，当假设基于预测实际观测而竞争时，FR-NGD 也提供连续贝叶斯推断的最优逼近。在此情形下，该方法避免了计算先验概率的需要。我们在一个非凸优化问题和具有时变参数的随机过程的系统辨识任务上展示了我们的发现。
引用
@article{arxiv.2208.13898,
title = {Conjugate Natural Selection},
author = {Reilly Raab and Luca de Alfaro and Yang Liu},
journal= {arXiv preprint arXiv:2208.13898},
year = {2023}
}
备注
18 pages, 3 figures