Bài toán lấy mẫu và mối liên hệ với học máy
Người báo cáo: Đậu Hải Đăng (National University of Singapore)
Thời gian: 14h Thứ 5, ngày 28/08/2025
Địa điểm: Phòng 507 nhà A6
Link online Zoom: https://us06web.zoom.us/j/89134062450?pwd=io7luDnBIrkYTZLXvCuwAKdJPokluC.1
Meeting ID: 891 3406 2450
Passcode: 123456
Tóm tắt: Lấy mẫu từ phân phối đa chiều là một bài toán quan trọng trong thống kê tính toán. Dù vẫn là phương pháp chủ đạo, lấy mẫu bằng chuỗi Markov (MCMC) khó thực hiện khi số chiều tăng nhanh hoặc phân bố có nhiều mode, đặc biệt trong các ứng dụng về chuỗi thời gian, hình ảnh, hoặc protein.
Bài nói này giới thiệu phương pháp Monte Carlo tuần tự (Sequential Monte Carlo) để xấp xỉ các bài toán lấy mẫu được viết lại dưới dạng mô hình Feynman-Kac. Sau đó, chúng tôi trình bày các nghiên cứu gần đây giúp: (i) giải quyết những vấn đề tồn tại của phương pháp này (việc không sử dụng hết các mẫu trung gian, và hiện tượng "thoái hoá" - degeneracy); và (ii) áp dụng những xu hướng mới trong học máy và mạng neuron sâu vào việc lấy mẫu.
