Mar, 2012
核心引导下的超采样
Super-Samples from Kernel Herding
TL;DR本文将herding算法扩展到连续空间，并使用kernel技巧，生成了一种无限内存的确定性过程 - ‘kernel herding’算法，该方法通过样本集合学习来逼近PDF。我们通过减少期望误差来说明了kernel herding在Hilbert空间中函数的收敛速率比iid随机样本的O(1/pT)快得多，而是O(1/T)。此外，我们通过逼近贝叶斯预测分布来说明了kernel herding算法的应用。