Title: GFlowNets para inferência Bayesiana

Wednesdays, July 03, from 3:30 p.m. to 5:00 p.m. (Rio de Janeiro local time)

Speaker: Diego Parente Paiva Mesquita (EMAp/FGV)

Local:  Laboratório de Sistemas Estocásticos (LSE), Sala I-044-B, Centro de Tecnologia - UFRJ

Abstract: Generative Flow Networks (GFlowNets) são redes neurais recentemente propostas para amostrar objetos composicionais (e.g., grafos ou sequências) com probabilidade proporcional a uma função de recompensa --- com garantia de corretude em tempo finito. No contexto Bayesiano, GFlowNets têm o potencial de facilitar inferência sobre, e.g., grafos causais e árvores filogenéticas.  Nessa palestra, eu irei apresentar dois trabalhos recentes do meu grupo. No primeiro, estendemos a teoria de GFlowNets para habilitar aprendizado Bayesiano federado, i.e., para casos em que os dados são potencialmente sensíveis e estão distribuídos entre múltiplos usuários. No segundo, analisamos a sensibilidade de GFlowNets, delineamos seus limites representacionais e propomos uma ferramenta de diagnóstico.