arXiv:2501.02989stat.MLcs.LG2025-01
用分类器动态调整混合模型权重，提升表达能力。
Classifier Weighted Mixture models
- 用分类器生成可变混合权重，替代固定权重
- 保持组件数量不变，密度评估与采样更直接
- 适合需要高表达力的变分推断任务
本文提出标准随机混合模型的扩展，将恒定混合权重替换为由分类器定义的函数型权重。分类器加权混合模型在不增加组件数量或组件复杂度的前提下，实现了直接的概率密度评估、显式采样，并增强了变分估计问题中的表达能力。
原文摘要 · Abstract (English)
This paper proposes an extension of standard mixture stochastic models, by replacing the constant mixture weights with functional weights defined using a classifier. Classifier Weighted Mixtures enable straightforward density evaluation, explicit sampling, and enhanced expressivity in variational estimation problems, without increasing the number of components nor the complexity of the mixture components.
混合模型变分推断分类器
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。