登录
洞察 - Maschinelles Lernen, Statistik
Robuste datengesteuerte Optimierung durch Bayessche Nichtparametrik und glatte Ambiguitätsaversion
Die Autoren schlagen ein neuartiges robustes Optimierungskriterium vor, das Erkenntnisse aus der Bayesschen Nichtparametrik (Dirichlet-Prozess) und aktuellen entscheidungstheoretischen Modellen der glatten Ambiguitätsaversion kombiniert. Dieses Kriterium bietet günstige statistische Garantien für die Leistung des robusten Optimierungsverfahrens.
Effiziente Variationsinferen mit sequenziellen Stichprobendurchschnittsapproximationen
VISA, eine Methode für die approximative Inferenz in rechenintensiven Modellen, erweitert die wichtungsgewichtete Vorwärts-KL-Variationsinferen, indem es eine Sequenz von Stichprobendurchschnittsapproximationen verwendet. Dadurch können Modellauswertungen über mehrere Gradientenschritte wiederverwendet werden, was die Rechenkosten reduziert.
