用于高维贝叶斯推断的多尺度可逆生成网络
机器学习
2021-05-13 v1 计算机视觉与模式识别
机器学习
统计计算
摘要
我们提出一种多尺度可逆生成网络（MsIGN）及相应的训练算法，利用多尺度结构来解决高维贝叶斯推断。为应对维数灾难，MsIGN利用后验的低维本质，并通过迭代上采样与细化样本，从粗到细尺度（低到高维）生成样本。MsIGN以多阶段方式训练以最小化Jeffreys散度，从而避免高维情形下的模式丢弃。在两个高维贝叶斯反问题中，我们展示了MsIGN在后验近似与多模式捕获方面优于先前方法。在自然图像合成任务上，MsIGN在每维比特数上优于基线模型，并使其中间层神经元具有极佳的可解释性。
引用
@article{arxiv.2105.05489,
title = {Multiscale Invertible Generative Networks for High-Dimensional Bayesian Inference},
author = {Shumao Zhang and Pengchuan Zhang and Thomas Y. Hou},
journal= {arXiv preprint arXiv:2105.05489},
year = {2021}
}