辅助形式下基于连续潜变量模型的快速梯度推断
机器学习
2013-06-05 v1 机器学习
摘要
我们提出了一种技术，用于提高具有多层连续潜变量的贝叶斯网络中基于梯度的推断和学习的效率。我们表明，在许多情况下，可以将此类模型表示为辅助形式，其中连续潜变量在给定其父节点和一组独立辅助变量的条件下是确定性的。这种辅助形式模型的变量具有大得多的马尔可夫毯，从而显著加速了基于梯度的推断，例如快速混合的混合蒙特卡洛（Hybrid Monte Carlo）和高效的基于梯度的优化。实验证实了其相对效率。
引用
@article{arxiv.1306.0733,
title = {Fast Gradient-Based Inference with Continuous Latent Variable Models in Auxiliary Form},
author = {Diederik P Kingma},
journal= {arXiv preprint arXiv:1306.0733},
year = {2013}
}