כתבה
arXiv cs.LG ·
אלגוריתמי Langevin משקפים
Reflected Anchored Langevin Algorithms
אלגוריתם חדש לדוגמאות מוגבלות בלמידת מכונה, המשתמש בפוטנציאל התייחסותי ובסקלה מתלויה במצב. האלגוריתם נותן גבולות ויעילות עבור דוגמאות מוגבלות.
תקציר מקורי באנגליתarXiv:2610.09522v1 Announce Type: cross Abstract: First order Langevin algorithms for constrained sampling in machine learning, such as projected Langevin Monte Carlo which are based on discretizations of reflected Langevin dynamics, require differentiable log densities that limits their applicability. This paper introduces reflected anchored Langevin dynamics (RALD), a reflected diffusion that converges to non-differentiable targets on constrained domains. The method uses a smooth anchored reference potential and multiplies the drift and noise covariance of its reflected Langevin dynamics by the same state dependent scaling factor. Its Euler-Maruyama discretization with projection gives reflected anchored Langevin Monte Carlo (RALMC) algorithm. We prove explicit convergence bounds and ite
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית