揭示了在复杂的数据生成过程中,余弦学推断变得越来越困难,因此近似贝叶斯计算提供了一种途径,可以在无法进行精确似然度计算时利用先验知识来探索后验分布。该研究在超新星余弦学中应用了 ABC 算法,恢复了一个准确的后验分布,即使样本中存在 Type IIP 超新星。
Jun, 2012
本研究开发了两种新的适应性 ABC 抽样算法,可显著减少后验推断所需的模拟数量,并且在真实的生物问题实验中得到了有效的验证。
Jan, 2014
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
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
本文介绍了一类基于 ABC 思路的近似方法,着重于处理那些观测和参数似然不易求得的时间序列模型,并保持了原始统计模型的概率结构,为参数推断提供了一种分析近似偏差和适应计算方法的新途径。
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
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
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