Éagsúlacht KL

Matamaitic na héiginnteachta

Tomhaiseann éagsúlacht KL cé chomh fada is atá dáileadh amháin q ó dháileadh eile p: an t-iontas breise a íocann tú as an réaltacht p a shamhaltú leis an dáileadh mícheart q. Is í an bhearna í atá istigh sa chros-eantrópacht:

Dhá fhíric a fhágann gurb í seo an t-"achar" oibre is mó a úsáidtear i ML. De réir éagothromaíocht Gibbs bíonn sí i gcónaí ≥ 0, agus ní bhíonn sí nialasach ach amháin nuair a bhíonn q = p. Mar sin, nuair a bhrúnn tú KL síos go dtí 0, tá do mhúnla ag teacht go foirfe leis an bhfírinne.

Níl KL siméadrach: de ghnáth KL(p‖q) ≠ KL(q‖p), agus sáraíonn sí éagothromaíocht an triantáin freisin. Tá brí ag baint leis an neamhshiméadracht sin, mar gur botúin dhifriúla a phionósaítear sa dá threo. Cuireann KL(p‖q) pionós trom ar q as a bheith beag san áit a bhfuil p mór ("clúdach módha" a thugtar air); cuireann KL(q‖p) pionós ar q as mais a scaipeadh san áit nach bhfuil p ann ar chor ar bith ("lorg módha" a thugtar air).

Cá bhfeictear é seo in MLTá téarma KL in ELBO an VAE a tharraingíonn dáileadh folaigh an ionchódóra i dtreo an dáilte tosaigh N(0, I) — rialtóir a choinníonn an spás folaigh faoi smacht. Cuireann modhanna foghlama threisithe ar nós PPO/TRPO srian ar gach nuashonrú beartais le "réigiún iontaobhais" KL, sa chaoi nach féidir leis an mbeartas nua luascadh rófhada. Íoslaghdaíonn driogadh eolais an KL idir dáileadh aschuir…
▶ Éagsúlacht KL
← Tras-eantrópachtFaisnéis Fhrithpháirteach →