内森•柯克主持的计算数学与统计研讨会:机器学习对拟蒙特卡罗方法能做什么(反之亦然)?

发言人: 内森•柯克他是伊利诺伊理工学院高级研究员 

标题: 机器学习可以为拟蒙特卡罗方法做些什么(反之亦然)?

文摘:

本演讲提出了第一个在超立方体中生成低差异(高度一致)点集的机器学习方法, 被称为消息传递蒙特卡洛集合. 我们利用几何深度学习的工具，并将我们的模型建立在图神经网络的基础上. 我们进一步将我们的框架扩展到更高的维度, 哪一种灵活地允许定制点的生成，强调特定维度的一致性，这对手头的特定问题至关重要. 我们证明，我们提出的模型实现了最先进的性能优于以前的方法显著幅度. 最后, 我也希望在图像生成的背景下，利用低差异点集来改进神经自回归分布估计器的早期工作.

计算数学与统计研讨会