BriefGPT.xyz
May, 2023
随机梯度 Langevin 扩散中的子采样误差
Subsampling Error in Stochastic Gradient Langevin Diffusions
HTML
PDF
Kexin Jin, Chenguang Liu, Jonas Latz
TL;DR
在理想版本的 SGLD 之下,该文分析了 SGLD 的纯子采样误差,并将其视为扩散子采样 MCMC 方法的最佳情况下的误差。作者引入和研究了一种连续时间马尔可夫过程 SGLDiff,它在指数等待时间后随数据子集转移,并展示了后验分布与 SGLDiff 极限分布之间的 Wasserstein 距离上限。
Abstract
The
stochastic gradient langevin dynamics
(SGLD) are popularly used to approximate
bayesian posterior distributions
in statistical learning procedures with large-scale data. As opposed to many usual
→