조건부 신경 제어변량을 이용한 베이지안 역문제의 분산 감소
본 논문은 베이지안 역문제에서 Monte Carlo 추정의 분산을 줄이기 위해, 사전‑데이터 결합 샘플과 posterior score를 활용한 조건부 신경 제어변량(CNCV) 방법을 제안한다. Stein 정체성을 이용해 제로 평균 제어함수를 구성하고, 계층적 커플링 레이어와 무작위 차원 순열을 결합한 앙상블 구조로 고차원에서의 발산(trace) 계산을 효율화한다. 훈련 후 새로운 관측값에 대해 재학습 없이 바로 적용 가능하며, 다양한 실험에서 …
저자: Ali Siahkoohi, Hyunwoo Oh
베이지안 역문제는 관측 데이터 y와 파라미터 x 사이의 복잡한 비선형 관계를 통해 x의 사후 분포 p(x|y)를 추정하고, 이 분포로부터 기대값 E_{p(x|y)}
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기