核近似贝叶斯计算在种群遗传推断中的应用
本研究提供了一种新的基于核回归的框架方法,使用随机傅里叶特征来实现大规模核学习,以选择合适的问题特定摘要统计量来近似真实条件概率分布,该方法在近似贝叶斯计算中有杰出表现。
Feb, 2016
本文探讨了基于回归密度估计技术的方法来近似似然函数,该方法可促进贝叶斯推断及频率学推断。该方法在推断特殊极端值问题中进行了实证研究,实现了贝叶斯推断和频率学推断。
Dec, 2012
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
该论文提出了一种基于回归 ABC 和顺序 ABC 相结合的简单而有效的近似贝叶斯计算算法,该算法通过逐步学习一个能够用现有方法准确学习的辅助分布,然后在高斯联合分布的帮助下学习所需后验分布,该算法随着手头数据的变化自适应地改变模型复杂度,实验结果表明该方法快速、准确、易于使用。
Feb, 2019
本文提出了一种基于贝叶斯优化 (Bayesian optimization) 和高斯过程 (Gaussian processes) 的 ABC (Approximate Bayesian computation) 后验分布估计方法,通过计算 ABC 后验密度的不确定性来定义损失函数,并选择下一个评估位置以最小化期望损失。实验表明,该方法通常比常见的 BO 策略产生更准确的近似。
Apr, 2017
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
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
本章节在《近似贝叶斯计算手册》中发表,概述了两种估计不可计算似然性的方法,即基于模型根据统计量估计出的参数假设的贝叶斯人工似然法和使用一组约束来构建经验似然,或者使用近似方法来规避对模型的模拟。这两种方法的具体实施被展现在各种不同复杂度的模型中。
Mar, 2018
本研究提出了一种利用高斯 Copula 逼近对近似贝叶斯计算(ABC)算法中的边缘调整策略进行改进,并将其扩展应用于高维问题的贝叶斯推断中的方法。
Apr, 2015