潜在高斯树的分层合成
信息论
2017-05-09 v2 math.IT
摘要
提出了一种新的合成方案，用于生成具有规定联合密度并诱导出（潜在）高斯树结构的随机向量。合成质量通过合成统计与期望统计之间消失的总变差距离来展示。所提出的分层逐次合成方案依赖于学习到的树结构，利用足够数量的公共随机变量来合成期望密度。我们刻画了多层潜在高斯树的速率元组的可达速率区域，从而确定了合成此类高斯联合密度所需的比特数。算法中使用的随机源是树顶层的潜在变量、加性独立高斯噪声，以及捕捉变量间相关性符号模糊性的伯努利符号输入。我们已经证明这种模糊性可进一步有助于降低底层高斯树的合成速率。
引用
@article{arxiv.1608.04484,
title = {Layered Synthesis of Latent Gaussian Trees},
author = {Ali Moharrer and Shuangqing Wei and George T. Amariucai and Jing Deng},
journal= {arXiv preprint arXiv:1608.04484},
year = {2017}
}
备注
Submitted to IEEE Trans. on Information Theory, 18 pages