跳到主要内容
检索

# 连续归一化流

1 篇关联报道

订阅更新
  1. arXiv

    同一套核流既做分类又做密度估计:二阶求解器17次迭代收敛,控制点把粒子成本降到线性

    分类与基于似然的密度估计被写进同一个最优控制问题,共用一条速度场取值于再生核希尔伯特空间(RKHS)的微分同胚流,两者只差目标函数。变量投影消去末端模型后,约化梯度由解析离散伴随给出,核参数化让流的散度以一次核矩阵–向量乘精确算出,目标与梯度都是确定性的,因此约化高斯–牛顿求解器在两类任务上都可用。在2到256维的实验中,约化高斯–牛顿求解器所用迭代次数少于所测其他优化器,控制点约化把每次求解的粒子数成本从二次降为线性且精度接近无损。

已读完全部报道