Jul, 2014

一种贝叶斯方法用于使用计算密集模型进行参数估计和预测

PDF
TL;DR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。
发现论文，激发创造
  • 非线性回归模型的近似贝叶斯计算

    介绍了一种基于机器学习的方法，通过非线性条件异方差回归和改进的重要性采样方法估计后验概率密度，相较于现有方法在统计遗传学和排队模型等领域计算负担减轻了不少。

    Sep, 2008

  • 机器学习与贝叶斯计算的未来

    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

  • 贝叶斯条件密度估计下无需 ε 的快速模拟模型推理

    该论文提出了一种基于贝叶斯条件密度估计的无似然推断方法，通过有限的模拟数据进行初步的推断，引导后续的模拟，相较于 Monte Carlo ABC 方法，该方法需要较少的模型模拟来获得整个真实后验分布的准确参数化表示。

    May, 2016

  • 动力系统中参数推断和模型选择的近似贝叶斯计算方案

    本文提出一种基于序贯蒙特卡罗近似贝叶斯计算的方法，用于评估后验分布并推断动态模型的参数，可适用于多种生物系统的参数推断、灵敏度分析和模型选择，此方法比其他近似贝叶斯计算方法表现更好。

    Jan, 2009

  • 宇宙学前向建模的近似贝叶斯计算

    本文讨论如何使用近似贝叶斯计算方法（ABC）通过仿真数据集来导出参数约束，评估该方法在新的天体物理学应用中的潜力。

    Apr, 2015

  • 一种贝叶斯机器科学家用于帮助解决复杂科学问题的方法

    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

  • 近似贝叶斯计算：非参数视角

    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

  • 预测全场材料响应中的不确定性的贝叶斯神经网络

    基于机器学习的应力场预测和不确定性量化方法，以及对多样材料微观结构的系统比较和推断算法的不确定性估计。

    Jun, 2024

  • 量子多参数估计的深度强化学习

    本研究提出了一种基于深度学习和强化学习的模型无关方法，实现了实际的贝叶斯量子计量任务，并在一个集成光电电路上证明了比标准方法更高的测量性能，这是实现完全基于人工智能的量子计量的重要一步。

    Sep, 2022

  • 微分方程贝叶斯解不确定性量化

    本研究提出了通过 Bayesian updating 方法推测已知固定但先验未知的模型轨迹以处理离散化不确定性，并为此目的设计了一个一步采样方案。此方案具有一阶收敛性，计算复杂度与显式一步求解器的计算复杂度成正比，并可用于推断蛋白质动力学中 JAK-STAT 延迟微分方程模型的后验分布。

    Jun, 2013