变分推理与 Wasserstein 梯度流之间的桥梁
本文提出了一种基于Wasserstein变分推断的新的近似贝叶斯推断方法,使用f-分布和Wasserstein距离作为差异度量方式,通过Sinkhorn迭代获得非常稳定的无似然训练方法,可用于隐式分布和概率编程,并在多种自编码器实验中测试其鲁棒性和性能。
原文中文,约200字,阅读约需1分钟。
本文提出了一种基于Wasserstein变分推断的新的近似贝叶斯推断方法,使用f-分布和Wasserstein距离作为差异度量方式,通过Sinkhorn迭代获得非常稳定的无似然训练方法,可用于隐式分布和概率编程,并在多种自编码器实验中测试其鲁棒性和性能。