基于恒温辅助的连续调控哈密顿蒙特卡洛算法用于贝叶斯学习
摘要：通过提出一个新的采样方法，热力辅助连续调温Hamiltonian Monte Carlo，用于在大型数据集和多模态分布上进行贝叶斯学习。该方法模拟Nos''e-Hoover动力学，建立在感兴趣的分布上的连续调温Hamiltonian系统上。该方法的一个重要优势是，它不仅能够在分布中包含多个孤立模式时有效地绘制具有代表性的独立同分布样本，而且还能够自适应地抑制小批量噪声并保持准确的采样。虽然该方法的性质已经使用合成分布进行了研究，但对三个实际数据集的实验证明了在各种类型的神经网络中的性能优势，相比于几种强大的基线模型。
作者：Rui Luo, Jianhong Wang, Yaodong Yang, Zhanxing Zhu, and Jun Wang
论文ID：1711.11511
分类：Machine Learning
分类简称：stat.ML
提交时间：2019-01-29