新方法:摊销比率估计重要性采样与局部SBC
热点事件持续更新
新方法:摊销比率估计重要性采样与局部SBC
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
研究提出面向难解似然模型的模拟贝叶斯推理(SBI)新方法。该方法基于高斯混合专家代理模型构建序贯后验估计流程,并引入局部摊销的似然-证据比率估计器,可在新的参数-数据对上直接评估,无需重新估计。 第二项贡献是局部化模拟校准(SBC):仅对每个局部设计拟合一次代理与比率估计器,并在所有伪观测间复用,以较低的额外计算成本提供比后验更宽邻域上的校准图形诊断。 两项方法在三个案例研究中评估,其中包括一个真实流行病学应用。论文代码的 GitHub 仓库已包含在提交中。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
面向难解似然的摊销比率估计重要性采样与局部化模拟校准报道时间线
沿着报道,了解事件的不同侧面。
10月15日
- arXiv stat.ML面向难解似然的摊销比率估计重要性采样与局部化模拟校准
研究提出面向难解似然模型的模拟贝叶斯推理(SBI)新方法,基于高斯混合专家代理模型构建序贯后验估计流程,并引入局部摊销的似然-证据比率估计器,可在新参数-数据对上直接评估而无需重新估计。第二项贡献是局部化模拟校准(SBC),仅对每个局部设计拟合一次代理与比率估计器并在所有伪观测间复用,以低额外计算成本提供比后验更宽邻域上的校准图形诊断。两项方法在三个案例研究中评估,包括一个真实流行病学应用。
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。