用对比调整学习平稳 Markov 过程
机器学习
2023-03-20 v2
摘要
我们引入一种称为对比调整的新优化算法，用于学习平稳分布与数据分布匹配的 Markov 转移核。对比调整不限于特定的转移分布族，可用于对连续与离散状态空间中的数据进行建模。受近期噪声退火采样工作的启发，我们提出一种特定的转移算子，即噪声核，它能在混合速度与样本保真度之间权衡。我们展示对比调整在人-机设计过程中极具价值，因为所学 Markov 链的平稳性使得对数据流形的局部探索成为可能，并使人反馈迭代精炼输出成为可能。我们将用对比调整训练的噪声核与当前最先进的生成模型比较性能，并在多种图像合成任务上展示了有前景的结果。
引用
@article{arxiv.2303.05497,
title = {Learning Stationary Markov Processes with Contrastive Adjustment},
author = {Ludvig Bergenstråhle and Jens Lagergren and Joakim Lundeberg},
journal= {arXiv preprint arXiv:2303.05497},
year = {2023}
}