新方法用聚合归一化流链近似似然

研究提出一种基于 n-聚合归一化流链的似然近似与推断框架，用于复杂仿真模型的仿真推断。多组复制观测数据依次通过多组双射变换，前 k 组变换的参数按最优性顺序估计，不受其余 n-k 组影响。 该框架通过经验似然估计与带混合分布的序贯决策两条数学路径更新和聚合归一化流参数，并附带一个以正向仿真参数为条件的代理模型，支持样本生成及贝叶斯范式下的推断、假设检验与不确定性量化。

AI 根据报道生成 · 8 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。