利用嵌套 MLMC 进行具有难解似然函数的顺序神经后验估计
原文中文，约400字，阅读约需1分钟。发表于：。本文提出了一种基于嵌套 APT 方法的序贯神经后验估计方法，利用无偏的多层次 Monte Carlo 估计器对偏差和方差进行校正，以近似具有中等维度的多模态复杂后验分布。
本文介绍了一种新的适应性SMD方法，使用了Kullback-Leibler散度的近似来自动适应提议分布。该方法适用于任何参数化的提议分布，并支持在线和批处理变量。实验表明，在非线性状态空间模型中，NASMC显着改善了推断，优于自适应提议方法。最后，展示NASMC能够训练潜在变量递归神经网络（LV-RNN），达到与多态音乐建模的最新水平竞争的结果。
