bayesian quadrature | BriefGPT

关键词bayesian quadrature

搜索结果 - 8

连续时间控制中积分增强学习的计算影响
积分强化学习中的计算方法选择（如求积法则）对控制性能产生显著影响，并通过与哈密顿 - 雅可比 - 贝尔曼方程的牛顿法相比较，揭示了计算误差在策略迭代中的额外误差项，并且在使用再生核希尔伯特空间中的效用函数时，通过贝叶斯求积法与诱导核函数结合
PDF4 months ago
AAAI核化归一化常数估计：连接贝叶斯求积和贝叶斯优化
在本文中，我们研究了通过对黑盒函数进行查询来估计正规化常数∫e^{-λf (x)} dx 的问题，其中 f 属于再生核希尔伯特空间 (RKHS)，λ 是问题参数。我们发现，在估计正规化常数时，难度水平取决于 λ 的值：当 λ 趋近于零时，问
PDF6 months ago
神经网络贝叶斯数值积分
本文介绍了一种基于 Stein 运算符的神经网络架构和 Laplace 近似的贝叶斯斯坦网络方法，以实现数值积分中的贝叶斯概率数值方法，相较于高成本的高斯过程模型，该方法在流体力学中的应用中表现了数倍的性能提高。
PDFa year ago
AAAI深度贝叶斯四分法策略优化
本篇论文提出了一种深度贝叶斯积分策略梯度算法（DBQPG），它可以替代目前在策略梯度估计中被广泛采用的蒙特卡罗估计，减少了梯度估计的方差，提高了采样效率和回报表现，同时还可以利用梯度估计的不确定性来进一步提高算法性能。
PDF4 years ago
ICML基于贝叶斯积分的自动模型选择
本文提出了一种新颖的技术，将贝叶斯积分方法用于模型选择，并在合成和实际例子上证明该技术通过最大化后验概率与模型似然观察之间的互信息，在计算上消耗更少的模型似然性评估，并且可以生产更精确的模型后验评估。
PDF5 years ago
在错误设定下确定性基于核的数值积分规则的收敛分析
本文研究了基于核的求积规则在误差设置中的收敛分析，着重于 Sobolev 空间中的确定性求积。具体而言，我们处理了测试积分不够光滑的错误设置，并在求积规则上提供基于两种不同假设的收敛保证：一种是基于求积权重的假设，另一种是基于设计点的假设。
PDF7 years ago
使用快速贝叶斯积分对概率模型进行推断取样
该研究提出了一种用于概率模型推断的新型采样框架：一种主动学习方法，可比马尔可夫链蒙特卡罗（MCMC）基准更快地收敛（墙钟时间）。我们提出了一种基于模型的解决方案，通过熟知非负的概率集成（似然）来实现，以实现优化样本位置的廉价主动学习方案。实
PDF10 years ago
最优加权聚群是贝叶斯积分
本文研究了采样方法和贝叶斯积分估计在选取样本时的损失函数关系，进而证明了带权的 kernel herding 是所有带权采样方法中最优的方法，同时也得出了贝叶斯积分估计的经验误差上界。
PDF10 years ago