【牛津大学博士论文】深度概率模型的最优传输仿真方法

文章预览

来源：专知 本文 约4000字 ，建议阅读 5 分钟 本论文通过引入基于最优传输和仿真方法的新方法，对深度概率模型的发展作出了贡献 。 深度概率模型在高维、多模态数据合成和密度估计任务中已成为最新的技术前沿 。通过将抽象的概率公式与神经网络的表达能力和可扩展性相结合，深度概率模型已成为机器学习工具箱中的基本组成部分。然而，这些模型仍然存在一些局限性。例如，深度概率模型通常局限于基于梯度的训练，因此难以结合非可微操作；它们的训练和采样成本较高；并且深度概率模型往往没有利用先验的几何和特定问题的结构知识。 本论文由四部分研究工作组成，通过基于最优传输的仿真方法推动深度概率模型领域的发展 。首先，使用Sinkhorn算法的正则化最优传输，我们提供了一个理论上有依据且可微的粒子滤波中重新采样的近似 ………………………………