Jeffrey 更新规则作为 KL 散度的最小化者
机器学习
2025-02-24 v1 密码学与安全
摘要
本文比由 Bart Jacobs 研究者原著证明提供更简洁和高层次的证明，证明如下定理：在贝叶斯更新规则用于学习或更新内部状态以产生预测的语境中，应用 Jeffrey 更新规则后，观察值与预测值之间的相对熵得以减少。
关键词
引用
@article{arxiv.2502.15504,
title = {Jeffrey's update rule as a minimizer of Kullback-Leibler divergence},
author = {Carlos Pinzón and Catuscia Palamidessi},
journal= {arXiv preprint arXiv:2502.15504},
year = {2025}
}