Revisiting forward-looking GFlowNets
Silva, Tiago da
O documento é disponibilizado pela fonte de origem, que mantém a versão integral e as condições de uso.
Resumo
As redes gerativas de fluxo (GFlowNets, na sigla em inglês) constituem uma família de algoritmos escaláveis projetados para amostrar de uma distribuição não normalizada com um suporte composicional. Notavelmente, trabalhos recentes exploram a formulação forward-looking de GFlowNets para alcançar desempenho notável em tarefas que formulam a otimização como amostragem, concentrando-se em regiões elevadas. No entanto, este trabalho demonstra que as GFlowNets forward-looking (FL-GFlowNets) violam suposições básicas que fundamentam a corretude da amostragem das GFlowNets. Além disso, projetamos um modelo alternativo que adere aos mesmos princípios das FL-GFlowNets e mostramos que ele gera de maneira comprovada amostras da distribuição correta quando treinado adequadamente. Nossos experimentos validam a teoria delineada e revelam as razões por trás dos resultados aparentemente bons obtidos pelas FL-GFlowNets.
Ficha do documento
- Tipo
- Outro
- Ano
- 2023
- Instituição
- Fundação Getulio Vargas
- Fonte
- Repositório da FGV
- Idioma
- Inglês
- Acesso
- Acesso aberto
- Identificador
- oai:repositorio.fgv.br:10438/35366
- Palavras-chave
- GFlowNetsMachine LearningMatemática
Conteúdos relacionados
- DissertaçãoBoosted generative flow networksFundação Getulio Vargas · 2026
- TeseTowards Machine Learning with guaranteesFundação Getulio Vargas · 2024
- DissertaçãoHuman-aided Discovery of Ancestral GraphsFundação Getulio Vargas · 2024
- TeseStreaming, distributed, and asynchronous amortized inferenceFundação Getulio Vargas · 2024
