抽象的

我们观察到，通过重新聚集技巧计算的梯度与最佳运输形式中的传输方程解决方案直接对应。我们使用此视角来计算（近似）路径梯度的概率分布，而不是直接适合重新聚集技巧：伽玛，β和dirichlet。我们进一步观察到，当将重新聚集技巧应用于Cholesky物质的多元正态分布时，在最佳运输的意义上，所得梯度是次优的。我们得出了最佳梯度，并表明它们在高斯过程回归任务中降低了方差。我们通过各种合成实验和随机变异推理任务证明我们的路径梯度与其他方法具有竞争力。

作者

马丁·詹科维克（Martin Jankowiak），，，，Fritz Obermeyer

会议

ICML 2018

完整的纸

“超越重新聚集技巧的路径衍生物”（PDF）

Uber AI