Langevin MCMC在KL散度下的收敛性
机器学习
2017-11-02 v2
摘要
Langevin扩散是一种从给定分布中采样的常用工具。本文证明,当目标密度 满足 为 光滑且 强凸时,离散Langevin扩散可在 步内产生满足 的分布 ,其中 为样本空间的维数。我们还研究了无强凸性假设时的收敛速率。通过将Langevin扩散视为概率分布空间中的梯度流,我们得到了一个适用于KL散度收敛这一更强性质的简洁分析,并给出了已知较弱度量下最优收敛结果的一个概念上更简单的证明。
引用
@article{arxiv.1705.09048,
title = {Convergence of Langevin MCMC in KL-divergence},
author = {Xiang Cheng and Peter Bartlett},
journal= {arXiv preprint arXiv:1705.09048},
year = {2017}
}