跳到主要内容
检索

# Stein变分梯度下降

2 篇关联报道

订阅更新
  1. arXiv

    地震速度反演不再只靠手工先验:扩散模型当投影算子,Marmousi平均绝对误差从94.80降到92.68

    全波形反演要从地震记录重建地下速度模型,但反演高度非线性且病态,初始模型不准或数据含噪时容易收敛到错误解。此前基于退火斯坦变分梯度下降的贝叶斯全波形反演用高斯或平滑等手工先验约束粒子,难以表达复杂地质结构。该工作把在GeoFWI数据集上训练的扩散模型作为隐式地质投影算子嵌入粒子更新,在Marmousi合成模型上把平均绝对误差从经典方法的94.80降到92.68,结构相似性从0.69升到0.72,并让后验不确定性更集中在深部与高对比界面附近。

  2. arXiv

    SCOUT 用测试时动作精炼把生成式行为先验推向高价值区域,在离散与连续离线多智能体基准上取得最佳平均表现

    该工作提出 SCOUT,一个离线多智能体强化学习框架:它分别训练流匹配行为先验与分解式价值函数,在测试时用 Stein 变分梯度下降把行为样本输运到高价值区域,并以输运步数替代固定正则系数;在个体-全局-最大(IGM)原则下证明了联合软价值差的单项 KL 界随输运收敛而消失、并留有与 IGM 违背成正比的不可约加性残差;实验上在离散与连续离线 MARL 基准上取得最佳平均性能,并在所有离线到在线配置中都有提升。

已读完全部报道