改进用于后验推断的梯度引导嵌套采样
机器学习
2023-12-08 v1 统计计算
统计方法学
机器学习
摘要
我们提出了一种高性能、通用的梯度引导嵌套采样算法 ，它结合了可微编程、哈密顿切片采样、聚类、模式分离、动态嵌套采样和并行化方面的最新进展。这种独特的组合使得 能够随维度良好扩展，并在各种合成和现实问题中表现出竞争力。我们还展示了将嵌套采样与生成流网络相结合的潜力，以从后验分布中获取大量高质量样本。这种结合带来了更快的模式发现和更准确的配分函数估计。
引用
@article{arxiv.2312.03911,
title = {Improving Gradient-guided Nested Sampling for Posterior Inference},
author = {Pablo Lemos and Nikolay Malkin and Will Handley and Yoshua Bengio and Yashar Hezaveh and Laurence Perreault-Levasseur},
journal= {arXiv preprint arXiv:2312.03911},
year = {2023}
}
备注
10 pages, 5 figures. Code available at https://github.com/Pablo-Lemos/GGNS