基于消息传递蒙特卡洛的低Stein差异
机器学习
2025-03-28 v1 数值分析
数值分析
摘要
消息传递蒙特卡洛（MPMC）最近被提出作为一种利用几何深度学习工具的新型低差异采样方法。虽然该方法最初设计用于生成均匀点集，但我们将其框架扩展为从具有已知概率密度函数的一般多元概率分布中采样。我们提出的Stein-消息传递蒙特卡洛（Stein-MPMC）方法最小化核化Stein差异，从而确保样本质量的提升。最后，我们证明Stein-MPMC通过实现更低的Stein差异，优于Stein变分梯度下降和（贪心）Stein点等竞争方法。
引用
@article{arxiv.2503.21103,
title = {Low Stein Discrepancy via Message-Passing Monte Carlo},
author = {Nathan Kirk and T. Konstantin Rusch and Jakob Zech and Daniela Rus},
journal= {arXiv preprint arXiv:2503.21103},
year = {2025}
}
备注
8 pages, 2 figures, Accepted at the ICLR 2025 Workshop on Frontiers in Probabilistic Inference