1. Разделенный сэмплер Гиббса Plug-and-Play: встраивание глубоких генеративных априорных значений в байесовский вывод (arXiv)

Автор: Флорентен Керду, Николя Добижон, Пьер Шене.

Аннотация: Флорентен Керду, Николя Добижон, Пьер Шене.

2. Блокированный семплер Гиббса для иерархических процессов Дирихле (arXiv)

Автор: Снигдха Дас, Ябо Ниу, Янг Ни, Бани К. Маллик, Дебдип Пати.

Аннотация: Апостериорное вычисление в смешанных моделях иерархического процесса Дирихле (HDP) является активной областью исследований в области непараметрического байесовского вывода сгруппированных данных. Существующая литература почти исключительно сосредоточена на аналогии с франшизой китайских ресторанов (CRF) предельного распределения параметров, которые могут плохо смешиваться и, как известно, имеют линейную сложность в зависимости от размера выборки. Недавно разработанный сэмплер срезов позволяет эффективно блокировать обновления параметров, но в нашей статье показано, что он статистически нестабилен. Мы разработали блокированный пробоотборник Гиббса для выборки из апостериорного распределения HDP, который дает статистически стабильные результаты, хорошо масштабируется по отношению к размеру выборки и демонстрирует хорошее смешивание. Суть построения состоит в том, чтобы наделить общий параметр концентрации соответствующим образом выбранной гаммой-приорой, что позволяет нам сломать зависимость общих пропорций смешивания и разрешить независимые обновления определенных логарифмически вогнутых случайных величин в блоке. Попутно мы разрабатываем эффективный пробоотборник для этих случайных величин, используя кусочно-касательные аппроксимации.