변분 경험 베이즈 다중 회귀를 위한 그래디언트 기반 최적화
본 논문에서는 변분 경험 베이즈(VEB) 다중 회귀 문제를 해결하기 위한 새로운 그래디언트 기반 최적화 방법인 GradVI를 제안하며, 이는 기존의 좌표 상승 변분 추론(CAVI) 방법보다 예측 정확도와 계산 효율성 측면에서 우수한 성능을 보입니다.
양자 엔트로피를 사용한 부울 초입방체에서의 변분 추론
본 논문에서는 Kullback-Leibler 발산의 양자 완화에 기반하여 부울 초입방체에서 쌍별 마르코프 랜덤 필드의 로그 분할 함수에 대한 변분 추론 상한을 도출하고, 이러한 상한을 계산하기 위한 효율적인 알고리즘을 제안합니다.
BayeSN을 이용한 SN Ia 광도 거리 추정 가속화를 위한 변분 추론
본 논문에서는 베이지안 추론 기법, 특히 변분 추론(VI)을 사용하여 Type Ia 초신성(SN Ia)의 광도 거리 추정을 가속화하는 방법을 제시합니다.
변분 추론을 위한 변분 파라미터 공간에서의 Wasserstein 경사 흐름
본 논문에서는 기존 변분 추론(VI) 방법들을 Wasserstein 경사 흐름(WGF) 관점에서 통합하여 설명하고, 이를 바탕으로 변분 분포를 효과적으로 근사하는 새로운 방법론을 제시합니다.
브레그만 근접 경사 알고리즘을 통한 정규화된 레니 발산 최소화
본 논문에서는 정규화된 레니 발산을 지수족 분포에 대해 최소화하는 새로운 변분 추론 알고리즘을 제안하며, 이 알고리즘은 쿨백-라이블러 발산에 의해 유도된 기하학을 활용하여 기존 방법보다 빠르고 안정적인 성능을 보입니다.
동적 잠재 공간 모델을 위한 구조적 최적 변분 추론
본 논문에서는 동적 네트워크 분석을 위한 효율적이고 이론적으로 뒷받침되는 구조적 평균 필드 변분 추론 프레임워크를 제안합니다. 이 프레임워크는 계산 효율성을 유지하면서도 기존 평균 필드 방법보다 향상된 정확도를 제공합니다.
확산 과정의 독립 투영: 변분 추론 및 최적 평균장 근사를 위한 경사 흐름
고차원 확산 과정을 각 좌표가 독립적인 확산 과정으로 근사할 때, 독립 투영이라고 불리는 방법이 두 가지 자연스러운 기준에서 최적임을 보여줍니다.
© 2024 by Linnk AI