Die Autoren betrachten eine sehr allgemeine Klasse von Markov-Ketten, die sogenannten Ito-Ketten. Diese Ketten können eine fast beliebige isotrope und zustandsabhängige Rauschkomponente anstelle des normalverteilten und zustandsunabhängigen Rauschens wie in den meisten verwandten Arbeiten haben. Außerdem können in unserer Kette der Drift- und Diffusionskoeffizient ungenau sein, um ein breites Spektrum an Anwendungen wie Stochastic Gradient Langevin Dynamics, Sampling, Stochastic Gradient Descent oder Stochastic Gradient Boosting abzudecken.
Die Autoren beweisen eine Schranke für den W2-Abstand zwischen den Verteilungen der Ito-Kette und der entsprechenden Differentialgleichung. Diese Ergebnisse verbessern oder decken die meisten der bekannten Schätzungen ab. Für einige spezielle Fälle ist ihre Analyse die erste.
Insbesondere zeigen die Autoren:
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Aleksei Usti... at arxiv.org 04-02-2024
https://arxiv.org/pdf/2310.06081.pdfDeeper Inquiries