跳到正文
热点事件持续更新

新方法近似贝叶斯实验设计微分熵

1 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

针对贝叶斯最优实验设计中的期望信息增益估计,Chuntao Chen、Tapio Helin、Nuutti Hyvönen、Yuya Suzuki 提出一种在加性高斯噪声模型下近似证据密度的计算策略:用蒙特卡洛或拟蒙特卡洛代理近似证据密度,再用标准方法评估微分熵,无需额外似然评估。 研究者称,当熵评估成本可忽略时,该方法的收敛速率与现有完整期望信息增益估计方法相当或更优,且仅依赖前向映射的温和平滑性。数值实验验证了部分理论结果。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月12日
  1. arXiv stat.ML
    贝叶斯最优实验设计中微分熵的近似方法

    针对贝叶斯最优实验设计,研究者提出一种在加性高斯噪声模型下近似证据密度、用标准方法评估微分熵的计算策略,无需额外似然评估。该方法在熵评估成本可忽略时,收敛速率与现有完整期望信息增益估计方法相当或更优,且仅依赖前向映射的温和平滑性。数值实验验证了部分理论结果。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。