基于得分匹配的乘积 Jacobi-Theta Boltzmann 机
机器学习
2024-01-15 v2 机器学习
摘要
概率密度函数的估计是一项非平凡任务，近年来已借助机器学习技术加以解决。受 Boltzmann 机（BM）架构启发的模型可取得成功应用。本手稿引入乘积 Jacobi-Theta Boltzmann 机（pJTBM）作为 Riemann-Theta Boltzmann 机（RTBM）的受限版本，其隐层连接矩阵为对角阵。我们表明，基于 Fisher 散度的得分匹配可用于以 pJTBM 拟合概率密度，且比原始 RTBM 更高效。
引用
@article{arxiv.2303.05910,
title = {Product Jacobi-Theta Boltzmann machines with score matching},
author = {Andrea Pasquale and Daniel Krefl and Stefano Carrazza and Frank Nielsen},
journal= {arXiv preprint arXiv:2303.05910},
year = {2024}
}
备注
7 pages, 3 figures, ACAT22 proceedings