贝叶斯计算方法
这篇综述论文研究了近年来对原始 ABC 算法进行的各种改进和扩展，探讨了 ABC 方法在缺少可追踪度的似然问题中的解决方案，并且指出了它们存在的校准困难和不稳定性问题。
Jan, 2011
概述：本文使用贝叶斯模型解决了复杂数据的建模问题，提出了通过机器学习的方法来改善后验计算的潜力，并探讨了正则化流、贝叶斯核平衡、分布式贝叶斯推理和变分推理等未来的具体发展方向。
Apr, 2023
本研究提出了一种基于贝叶斯模型校准的方法，通过统计公式将计算模型的输出与物理测量结果结合，从而进行推理，并估算了原子核的质量参数。
Jul, 2014
本篇论文研究、应用和优化混合模型和变化推理等技术对贝叶斯统计学、计算生物学和自然语言处理等多个领域的贡献，并研究证明了可变组成元素数量的情况下，情形近似的集中性，以及证明了这种多次证明技术确实是有效的。
May, 2018
本文介绍了在 Approximate Bayesian Computation 中使用 summary statistics 的重要性，以及如何选择低维度的摘要来提高模型参数推断的效果并避免由高维度数据引起的 dimensionality curse 问题，同时讨论了该问题的理论结果和 Sufficiency 相关的内容。
Dec, 2015
本文将贝叶斯概率数值方法作为贝叶斯框架中某些逆问题的解决方案，并提出了一种数值逼近方案及其渐近收敛性，该理论发展在计算机的通用计算上进一步扩展为更具挑战性的工业应用，是数值分析和不确定度量化接口的重要研究前沿。
Feb, 2017
该研究论文探讨了在面对包含海量数据集和需要超级计算机执行的模拟时，如何利用数据与模型之间的固有统计学特性来提高学习和推理的效率，并提出了相应的基于随机梯度的算法来检测概率、提高 MCMC 的更新效率和决定参数更新的接受或拒绝，同时探讨了在大数据和大模拟时代中 Bayesian 方法所面临的一些计算方面的挑战。
Feb, 2014
本文研究了基于自身与随机生成机理模型定义的技术：近似贝叶斯计算。我们推导了基于拒绝采样和线性调整的标准后验分布估计器的渐近偏差和方差，提出了一种基于二次调整的原始估计器，它的偏差所含的项比基于线性调整的估计器少。此外，我们建议使用摘要统计的变换，以使其更加均匀。通过不同的案例，本文表明了统计描述与贝叶斯计算方法的潜力。
Apr, 2009
引入了一种贝叶斯机器科学家，它使用对模型的后验分布的明确逼近来确定模型的合理性，并通过从数学表达式的大量经验语料库中进行学习来确定模型的先验期望。该方法可以自动从数据中提取精确的模型，并且在合成数据和真实数据上提供比现有方法和其他非参数方法更准确的外样本预测。
Apr, 2020