知识卡片
证据下界与推断即优化
当边缘化潜变量h求log p(ν;θ)太贵时,引入任意分布q(h|ν)构造证据下界ELBO,又称负变分自由能。由KL散度非负可得log p(ν)与ELBO之差为KL(q‖p(h|ν))≥0,故ELBO始终是下界,等号仅当q恰好等于真实后验。ELBO可改写成期望形式,对合适的q计算量可控。于是推断被转化为“找q最大化ELBO”的优化:精确推断在不受限分布族中完美最大化,近似推断通过限定q的形式或采用不彻底的优化,以更松的下界换取效率。要点:下界把难算的边缘似然变成可优化的目标,其松紧度也度量了近似质量。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第19章 近似推断 · 查看原书依据
作为替代,我们可以计算一个log p( ν ; θ )的下界 。这个下界被称为证据下界 (evidence lower bound,ELBO)。这个下界的另一个常用名称是负变分自由能 (variational free energy)。
参考来源
- 位置:《深度学习》第19章 近似推断(源文件:extracted/深度学习/_epub-src/text/part0006_split_001.html)
- 结论依据:原文定义证据下界并说明其与KL散度的关系、取等条件,以及把推断视为最大化下界的优化过程。
- 原始内容:作为替代,我们可以计算一个log p( ν ; θ )的下界 。这个下界被称为证据下界 (evidence lower bound,ELBO)。这个下界的另一个常用名称是负变分自由能 (variational free energy)。