无限维变分贝叶斯推断及其应用

发布时间：2022-06-06 作者：浏览次数：

Speaker:	贾骏雄	DateTime:	2022年6月10日（周五）上午10:00--11:00
Brief Introduction to Speaker: 贾骏雄，西安交通大学教师		Place:	腾讯会议号：597 920 874
Abstract: 贝叶斯方法作为反问题不确定性量化的理论框架，近年来获得了广泛的关注。贝叶斯方法在大规模反问题求解方面的一个核心困难问题是如何快速且精准的获得后验测度的统计信息，例如：后验均值、后验方差等。这个核心困难问题同样出现在大规模机器学习的研究中，为了克服这一困难，学者提出了系列变分贝叶斯理论，并大量用于机器学习模型的不确定性量化研究。在偏微分方程反问题领域，变分贝叶斯方法的相关研究还较少（反问题通常定义在无限维空间，还少有无限维空间变分贝叶斯方法的理论），在本报告中，将简述变分贝叶斯方法的基本思想，构造无限维空间上基于平均场逼近的变分贝叶斯方法、基于粒子演化的Stein变分贝叶斯方法、以及基于深度学习的变分逆网络方法。