11:42
官方账号arXiv cs.LG@Kart-Leong Lim
推荐理由：这篇论文提出了一种新的贝叶斯非参数学习方法PYPM-GGD，用自适应步长处理非共轭后验，在MIT67和SUN397上聚类效果不错，比传统SVI更灵活。
PYPM-GGD
共 1 条相关 AI 资讯
7月28日
11:42
传统随机变分推理（SVI）依赖共轭后验假设，难以处理非共轭情形。新方法PYPM-GGD基于常数步长随机梯度上升，无需闭式变分后验期望，仅要求可微分。借鉴Adam引入自适应步长，提升随机设置下的收敛性。在MIT67和SUN397数据集上使用ResNet特征，与深度聚类算法相比，聚类指标达到或超越现有最佳方法。