Расчетный показатель субоптимальности для регистрируемых целей изменения энтропии

arXiv: 25009.10393v5 Annuales Type: заменить резюме: Несколько методов в статистике и машинное обучение нацелены на распределение вероятности, для которого сведена к минимуму стандартизованная цель изменения. Это повышение гибкости создает вычислительную проблему, поскольку теряется доступ к явно ненормализованной плотности для цели. Для того чтобы смягчить эту трудность, мы введем новый показатель неоптимальности под названием "превышение степени приоритетности", и в частности градиентное несоответствие ядер (KGD), которое можно четко рассчитать. В контексте байезийской статистики KGD совпадает с разницей в ядре Штейн (KSD), и мы получаем новую характеристику KSD как измеряющую размер градиента. За пределами этой знакомой настройки KGD позволяет разрабатывать и сопоставлять новые алгоритмы отбора проб, даже если ненормальной плотности достичь невозможно. Для иллюстрации этого пункта предлагается и изучается несколько новых алгоритмов, включая естественную обобщение Штейнвариата.