变分贝叶斯的量子加速自然梯度法
量子物理
2022-06-22 v3 统计计算
机器学习
摘要
变分贝叶斯（VB）是机器学习与统计学中的关键方法，支撑了近期贝叶斯深度学习的成功。自然梯度是高效VB估计的重要组成部分，但在高维下计算代价高昂。我们提出一种计算高效的基于回归的自然梯度估计方法，在标准假设下具有收敛保证。该方法使得利用量子矩阵求逆进一步加速VB成为可能。我们证明该问题设定满足量子矩阵求逆提供计算效率所需的条件。该方法适用于广泛的统计模型，且不需要专用或简化的变分分布。
引用
@article{arxiv.2106.05807,
title = {Quantum Speedup of Natural Gradient for Variational Bayes},
author = {Anna Lopatnikova and Minh-Ngoc Tran},
journal= {arXiv preprint arXiv:2106.05807},
year = {2022}
}