学习玻尔兹曼密度之间的插值
机器学习
2023-05-31 v5 机器学习
摘要
我们为连续归一化流引入了一种训练目标,它可在没有样本但存在能量函数的情况下使用。我们的方法依赖于目标能量与广义高斯能量函数之间预设或学习的能量函数插值。能量函数的插值诱导了玻尔兹曼密度的插值,我们旨在找到随时间变化的向量场,沿密度族传输样本。沿密度族传输样本的条件等价于以和满足连续性方程。因此,我们优化和以满足该偏微分方程。我们在高斯混合以及双势阱中量子力学粒子的玻尔兹曼密度上,将所提训练目标与反向KL散度进行了实验比较。
引用
@article{arxiv.2301.07388,
title = {Learning Interpolations between Boltzmann Densities},
author = {Bálint Máté and François Fleuret},
journal= {arXiv preprint arXiv:2301.07388},
year = {2023}
}
备注
TMLR