贝叶斯少样本分类中的收敛加速
原文中文，约300字，阅读约需1分钟。发表于：。本研究论文通过将基于镜像下降的变分推断与基于高斯过程的少样本分类无缝集成，解决了非共轭推断所带来的挑战。借助非欧几何，镜像下降通过提供沿对应流形的最陡下降方向实现加速收敛。此方法还具有关于变分分布的参数化不变性。实验结果显示了与基准模型相比具有竞争力的分类准确性、改进的不确定性量化和更快的收敛速度。此外，我们还研究了超参数和组件的影响。代码公开可用于此 https URL。
本研究通过将镜像下降的变分推断与高斯过程的少样本分类集成，解决了非共轭推断的挑战。实验结果显示了具有竞争力的分类准确性、改进的不确定性量化和更快的收敛速度。代码可在指定的URL中公开获取。
