Inference:精确推断可求解,复杂的模型,参数空间隐变量非常复杂时,使用近似推断来求后验或后验的期望,近似推断中分确定性推断(VI)和随机性推断(MCMC)。
基础的VI是基于平均场理论mean-theory,隐变量之间相互独立
随机梯度下降变分推断,Φ是q(z)的参数,ELBO对Φ求导,得出对q分布上求期望的式子,但log(q(Φ))的方差过大,因为采样中存在可能采样趋于-∞的点,方差越大,需要的采样点就越多趋向∞,这样采样不可能。
重参数化技巧Reparameterization trick是解决high variance的方式之一,z是关于ε和xi的函数,P(ε)是一个给定的分布,ε是随机变量。将z的随机性转移到ε上。采样L个后,用平均值来近似期望: