论文提出反射锚定Langevin采样算法RALD与RALMC
热点事件持续更新
论文提出反射锚定Langevin采样算法RALD与RALMC
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Changwei Tu等作者提出反射锚定Langevin动力学（RALD）及其离散化算法RALMC，用于在约束域上对不可微目标进行采样。RALD是一种反射扩散过程，可收敛到约束域上的不可微目标；RALMC由RALD的Euler-Maruyama离散化加投影得到。 该方法通过平滑锚定参考势，并用同一状态相关缩放因子同时乘上漂移项与噪声协方差，从而不再依赖可微的对数密度。作者称已证明RALMC在2-Wasserstein距离下的显式收敛界与迭代复杂度，并给出数值实验验证。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
反射锚定 Langevin 算法：面向不可微目标的约束采样新方法报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv stat.ML反射锚定 Langevin 算法：面向不可微目标的约束采样新方法
论文提出反射锚定 Langevin 动力学（RALD），一种在约束域上收敛到不可微目标的反射扩散过程，其 Euler-Maruyama 离散化加投影得到 RALMC 算法。该方法通过平滑锚定参考势，并用同一状态相关缩放因子同时乘上漂移项与噪声协方差，从而摆脱对可微对数密度的依赖。作者证明了 RALMC 在 2-Wasserstein 距离下的显式收敛界与迭代复杂度，并给出数值实验验证。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。