中文

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f1f_1与广义高斯能量函数f0(x)=x/σppf_0(x) = ||x/\sigma||_p^p之间预设或学习的能量函数插值ftf_t。能量函数的插值诱导了玻尔兹曼密度pteftp_t \propto e^{-f_t}的插值,我们旨在找到随时间变化的向量场VtV_t,沿密度族ptp_t传输样本。沿密度族ptp_t传输样本的条件等价于以VtV_tpt=Zt1eftp_t = Z_t^{-1}e^{-f_t}满足连续性方程。因此,我们优化VtV_tftf_t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。

关键词

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