arXiv ID:
2602.20758
arXiv 提交日期: 2026-02-24
MCMC核的深度展开:用于高维后验采样的可扩展、模块化且可解释的生成对抗网络 / Deep unfolding of MCMC kernels: scalable, modular & explainable GANs for high-dimensional posterior sampling
1️⃣ 一句话总结
这篇论文提出了一种新方法,通过将传统的马尔可夫链蒙特卡洛采样算法‘展开’成模块化的神经网络结构,构建出既高效又易于理解的生成对抗网络,从而在贝叶斯计算中实现快速、准确且能适应不同参数的后验分布采样。