随机生成流网络
机器学习
2023-06-27 v3
摘要
生成流网络（简称GFlowNets）是一类概率智能体，它们通过“推理即控制”的视角学习采样复杂的组合结构。它们在从给定能量景观生成高质量和多样化的候选对象方面展现出巨大潜力。然而，现有的GFlowNets仅能应用于确定性环境，在具有随机动力学的更一般任务中会失效，这可能限制其适用性。为克服这一挑战，本文引入了随机GFlowNets，这是一种将GFlowNets扩展到随机环境的新算法。通过将状态转移分解为两个步骤，随机GFlowNets隔离了环境随机性，并学习一个动力学模型来捕获它。大量实验结果表明，在多种具有随机动力学的标准基准上，随机GFlowNets相较于标准GFlowNets以及基于MCMC和RL的方法具有显著优势。
引用
@article{arxiv.2302.09465,
title = {Stochastic Generative Flow Networks},
author = {Ling Pan and Dinghuai Zhang and Moksh Jain and Longbo Huang and Yoshua Bengio},
journal= {arXiv preprint arXiv:2302.09465},
year = {2023}
}
备注
UAI 2023