모드 탐지를 위한 변분 프레임워크와 GERVE 알고리즘
본 논문은 샘플만으로도 확률밀도 함수의 모드를 찾아내는 새로운 방법인 GERVE(Gibbs‑measure Entropy‑Regularised Variational Estimation)를 제안한다. Gibbs 측정의 온도를 낮추는 어닐링 과정을 통해 Gaussian 혼합 모델을 최적화하고, 자연경사(Natural‑gradient) 업데이트와 엔트로피 정규화를 결합한다. 이론적으로 온도→0 일 때 혼합 컴포넌트가 진짜 모드에 수렴함을 보이며, 고정…
저자: Tâm LeMinh, Julyan Arbel, Florence Forbes
본 논문은 다변량 확률밀도 함수 p(x) 의 모드(국소 최대점)를 찾는 문제를 새로운 변분 프레임워크로 재정의한다. 기존 방법은 (1) 기하학적 고밀도 영역 탐색, (2) 커널 밀도 추정 후 모드 찾기, (3) mean‑shift와 같은 비모수적 경사 상승 방식으로 크게 세 가지로 나뉘지만, 차원 증가에 따라 성능이 급격히 저하되거나 대규모 데이터에 적용하기 어려운 한계가 있다.
저자들은 먼저 임의의 측정 f:S→ℝ 와 온도 ω>0 을 도입해 Gibbs 측정 g₍ω₎(dx)=exp(f(x)/ω)/Z₍ω₎ dx 를 정의한다. 이 측정은 엔트로피‑정규화 변분 목표
L₍ω₎(q)=E_q
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기