通过量子退火松弛高斯混合模型EM算法
机器学习
2017-01-13 v1 统计力学
量子物理
摘要
我们通过引入量子退火的概念提出了一种改进的期望最大化算法，称之为确定性量子退火期望最大化（DQAEM）算法。期望最大化（EM）算法是计算最大似然估计的成熟算法，并应用于许多实际应用。然而，已知EM严重依赖初始值，且其估计有时陷入局部最优。为解决此类问题，量子退火（QA）作为一种受量子力学启发的新颖优化方法被提出。通过采用QA，我们推导出DQAEM并给出一个支持其稳定性的定理。最后，我们进行了数值模拟以确认其效率。
引用
@article{arxiv.1701.03268,
title = {Relaxation of the EM Algorithm via Quantum Annealing for Gaussian Mixture Models},
author = {Hideyuki Miyahara and Koji Tsumura and Yuki Sughiyama},
journal= {arXiv preprint arXiv:1701.03268},
year = {2017}
}
备注
Presented at IEEE CDC 2016, the 2016 IEEE 55th Conference on Decision and Control (CDC)