-
题名珠算:可微概率编程库的设计与实现
- 1
-
-
作者
石佳欣
陈键飞
朱军
-
机构
清华大学计算机科学与技术系
microsoft research new england
-
出处
《中国科学:信息科学》
CSCD
北大核心
2022年第5期804-821,共18页
-
基金
国家自然科学基金(批准号:61620106010,U19B2034,U181146)
科技部重点研发计划(批准号:2017YFA0700900)
+2 种基金
北京市自然科学基金(批准号:JQ19016)
清华国强研究院、清华–华为大颗粒合作、北京智源人工智能研究院、鹏城实验室重大攻关项目(批准号:PCL2021A12)
人工智能与数字经济广东省实验室(广州)等项目资助。
-
文摘
概率模型为机器学习处理广泛存在的不确定性提供了强大的工具.概率编程利用计算机程序表示概率模型,支持采样和以任意观察值为条件进行的概率推断.长期以来,概率程序中的依赖关系往往是线性或广义线性的,许多成功的模型和推断算法往往都依赖于这一简化.然而,这也限制了概率程序的表达能力和灵活性.可微概率编程允许构建具有参数化的非线性依赖关系(如神经网络)的概率程序,并使用基于梯度的方法从数据中学习未知参数.这种编程范式容易扩展,极大地避免了繁琐的模型选择过程,且允许端到端地部署概率模型.本文介绍珠算(ZhuSuan),一种开源的可微概率编程库,并以此为例,探讨可微概率编程系统的设计与实现.
-
关键词
概率模型
概率编程
贝叶斯推断
变分推断
深度学习
-
Keywords
probabilistic models
probabilistic programming
Bayesian inference
variational inference
deep learning
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
TP311.1
[自动化与计算机技术—计算机软件与理论]
-