Séance de cours

Convergence de Langevin Monte Carlo: Croissance et douceur de la queue

Description

Cette séance de cours de l'instructeur explore les propriétés de convergence des algorithmes Langevin Monte Carlo (LMC), en mettant l'accent sur l'interaction entre la croissance de la queue et la douceur de la distribution cible. La séance de cours aborde des sujets tels que l'échantillonnage des mesures de Gibbs, la transition des algorithmes discrets à la diffusion continue, et l'analyse de convergence de LMC sous différents taux de croissance. Il s'inscrit également dans les garanties théoriques pour le LMC, le rôle des potentiels de convexe dégénéré, et l'inégalité Log-Sobolev modifiée. Le théorème principal présenté dans la séance de cours établit les conditions dans lesquelles LMC obtient des taux de convergence rapides pour une large classe de potentiels, y compris les fonctions non convexes et non lisses.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.