新研究提出稀疏自回归变分推断框架

Paul F. V. Wiemann 与 Matthias Katzfuss 提出一种面向非高斯空间场的可扩展变分推断框架。该框架在变分族中复现先验的稀疏最近邻自回归结构，用归一化流条件分布提升表达能力，并通过单个共享神经调节器摊销全部变分参数。 方法采用带缩减祖先集的双重随机优化，据作者称每次迭代达到多对数复杂度，目标是大规模非高斯空间数据。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。