May, 2023
探究高斯 - 斯坦变分梯度下降动态
Towards Understanding the Dynamics of Gaussian--Stein Variational Gradient Descent
Tianle Liu, Promit Ghosal, Krishnakumar Balasubramanian, Natesh Pillai
TL;DR通过使用正态分布初始化器逼近高斯目标样本并使用密度和基于粒子的实现方法,证明了 Stein Variational Gradient Descent (SVGD) 及其变体的特性,包括线性收敛和性能优越性,这对于深入理解 SVGD 和 Gaussian variational inference (GVI) 的相关性提供了具体贡献。