arXiv stat.ML· Chenguang Duan, Johannes Hertrich, Gabriele Steidl·· 4 小时前AI 评分17
基于 Wasserstein–Fisher–Rao JKO 方案的加权归一化流神经采样
Neural Sampling with Reweighted Normalizing Flows via the Wasserstein--Fisher--Rao JKO Scheme
AI 导读
研究者提出一种从非归一化 Boltzmann 密度采样的神经算法，基于 Wasserstein–Fisher–Rao 几何下 KL 散度的 JKO 方案。理论上证明，对任意固定步长，精确 WFR JKO 迭代随迭代次数增加以指数速度收敛到目标分布，且无需目标满足对数凹性或对数 Sobolev 不等式等结构假设。该方案用加权归一化流参数化传输与反应分量，在多模态目标上的数值实验显示出良好性能。
来源：arXiv stat.ML · arxiv.org