例如,在生成性对抗性网络中,由于x给出的潜在变量z的条件分布是“可处理的”,我们经常听到这样的推论是容易的。
另外,我在某个地方读到,Boltzmann机器和变分自动编码器在后验分布不可处理的情况下使用,所以需要应用某种近似。
有人能告诉我什么是“可驯服”,在一个严格的定义吗?或者有人能在我上面给出的任何例子中解释,在这种情况下,什么是可驯服的意思?
发布于 2019-04-16 21:30:20
首先,让我们定义哪些是可处理的和难以处理的问题(参考:http://www.cs.ucc.ie/~dgb/courses/toc/handout29.pdf)。
可处理问题:用多项式时间算法求解的问题.上界是多项式。 难以解决的问题:一个多项式时间算法无法解决的问题.下界是指数的。
从这个角度出发,可处理分布的一个定义是,在任何给定的点上计算这种分布的概率都需要多项式时间。
如果一个分布是一个封闭的表达式,这个分布的概率肯定可以用多项式时间来计算,在学术界,这意味着这个分布是可处理的。难以处理的分布等于或超过指数时间,这通常意味着,在现有的计算资源下,我们永远无法在相对“短”的时间内计算给定点上的概率(任何超过多项式时间的时间都是长的.)。
https://stackoverflow.com/questions/43820240
复制相似问题