ベイズサンプリングのためのランジュバン熱力学の安定性向上

この論文は、大規模機械学習のベイズサンプリングで使用されるCovariance-Controlled Adaptive Langevin (CCAdL) 熱力学の安定性の問題を扱っています。著者は、元のCCAdLや他の確率的勾配法と比較して、数値的安定性と精度を向上させた修正版（mCCAdL）を提案しています。これは、より大きなステップサイズと、計算集約的なベイズアプリケーションにおけるより効率的なサンプリングを可能にするため、重要です。

• •安定性を向上させるために、修正されたCCAdL（mCCAdL）熱力学を提案。
• •mCCAdLは、スケーリングと二乗法と、打ち切られたテイラー級数近似を使用。
• •離散化には対称分割法を採用。
• •元のCCAdLおよび他の方法と比較して、数値的安定性と精度が向上していることを実証。
• •機械学習における大規模ベイズサンプリングに関連。