Zobrazeno 1 - 10
of 586
pro vyhledávání: '"DAUDEL, P."'
Autor:
Daudel, Kamélia, Roueff, François
Several popular variational bounds involving importance weighting ideas have been proposed to generalize and improve on the Evidence Lower BOund (ELBO) in the context of maximum likelihood optimization, such as the Importance Weighted Auto-Encoder (I
Externí odkaz:
http://arxiv.org/abs/2410.12035
Several algorithms involving the Variational R\'enyi (VR) bound have been proposed to minimize an alpha-divergence between a target posterior distribution and a variational distribution. Despite promising empirical results, those algorithms resort to
Externí odkaz:
http://arxiv.org/abs/2210.06226
Autor:
Denis Wolff
Publikováno v:
Cybergeo (2009)
Externí odkaz:
https://doaj.org/article/3ca864b2cef949c59aa7ce1dcd6807cc
Autor:
Daudel, Kamélia, Douc, Randal
This paper focuses on $\alpha$-divergence minimisation methods for Variational Inference. More precisely, we are interested in algorithms optimising the mixture weights of any given mixture model, without any information on the underlying distributio
Externí odkaz:
http://arxiv.org/abs/2106.05114
Publikováno v:
Journal of Machine Learning Research, 24(62):1-76, 2023
In this paper, we introduce a novel family of iterative algorithms which carry out $\alpha$-divergence minimisation in a Variational Inference context. They do so by ensuring a systematic decrease at each step in the $\alpha$-divergence between the v
Externí odkaz:
http://arxiv.org/abs/2103.05684
Publikováno v:
Ann. Statist. 49(4): 2250-2270 (August 2021)
This paper introduces the $(\alpha, \Gamma)$-descent, an iterative algorithm which operates on measures and performs $\alpha$-divergence minimisation in a Bayesian framework. This gradient-based procedure extends the commonly-used variational approxi
Externí odkaz:
http://arxiv.org/abs/2005.10618
This paper introduces the $f$-EI$(\phi)$ algorithm, a novel iterative algorithm which operates on measures and performs $f$-divergence minimisation in a Bayesian framework. We prove that for a rich family of values of $(f,\phi)$ this algorithm leads
Externí odkaz:
http://arxiv.org/abs/1909.12239
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.