Ko与Domke提出AFIN后验推断网络

Joohwan Ko 和 Justin Domke 提出摊销因子推断网络（AFIN），可根据模型的先验、似然因子描述和观测生成高斯后验近似；基准实验显示，单个训练好的 AFIN 在测试时成本显著低于 NUTS 和逐任务变分推断，同时取得有竞争力的近似结果。 AFIN 采用“编码—合并—解码”网络，学习参数不依赖潜变量维度或观测数量。论文还称，可选的重要性采样能够进一步提高近似准确性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。