Sampling from non-smooth distribution through Langevin diffusion
Duy Tung Luu  1, *, @  , Jalal Fadili  2, @  , Christophe Chesneau  3, @  
1 : Groupe de Recherche en Informatique, Image, Automatique et Instrumentation de Caen  (GREYC)  -  Site web
Ecole Nationale Supérieure d'Ingénieurs de Caen, Université de Caen Basse-Normandie, CNRS : UMR6072
Boulevard du Maréchal Juin - 14050 CAEN Cedex -  France
2 : École nationale supérieure d'ingénieurs de Caen  (ENSICAEN)
Ecole Nationale Supérieure d'Ingénieurs de Caen
3 : Laboratoire de Mathématiques Nicolas Oresme  (LMNO)  -  Site web
CNRS : UMR6139, Université de Caen Basse-Normandie
BP 5186 14032 Caen Cedex -  France
* : Auteur correspondant

In this paper, we propose algorithms for sampling from the distributions whose density is non-smoothed nor log-concave. Our algorithms are based on the Langevin diffusion on the regularized counterpart of density by the Moreau-Yosida regularization. These results are then applied for computing the exponentially weighted aggregates for high dimensional regression.

Type : : Articles court (2 pages)
Thématiques : Posters
Mots-Clés : Langevin diffusion ; Moreau ; Yosida smoothing ; exponential weighted aggregation (EWA) ; high dimensional regression ; sparse learning.
Personnes connectées : 1 Flux RSS