Aug, 2016

应用合成似然函数的变分贝叶斯方法

PDF
TL;DR本文提出了一种新的算法，使用随机梯度变分推断方法和无偏估计对后验分布进行近似，实现了降低计算开销的贝叶斯合成似然，同时改善了现有相关似然无关变分推断技术的实现方式。这些新算法可以在参数和统计量的维度方面具有挑战性的情况下实施，相比传统的近似贝叶斯计算方法更为可行。
synthetic likelihoodmonte carlo simulationvariational inferencebayesian computationplug-in normal density estimate
发现论文，激发创造
  • 使用比值估计实现无似然推断

    基于逻辑回归的比例估计方法作为参数统计推断的替代方法，以更丰富的总结统计信息来消除假设先验和卡方问题。

    Nov, 2016

  • 变分退火重要性采样的替代似然函数

    我们提出了一种可以与其他变分参数一起学习的代理似然函数，以此支持两种算法类别优势的组合，此算法允许用户在推理保真度和计算成本之间进行直观权衡，适用于概率编程框架中黑盒子推理。

    Dec, 2021

  • 近似贝叶斯计算中的似然函数逼近

    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

  • 变分推断：统计学家综述

    本文通过机器学习中的变分推断方法近似计算难以计算的概率密度，特别地，本文对变分推断的思想和现代 VI 研究中的重要问题进行了全面的讨论。

    Jan, 2016

  • 基于贝叶斯优化的基于模拟器的统计模型无似然推断

    研究推断基于模拟器的统计模型，提出了结合概率建模和优化的策略来加速无似然推断方法，实现了对几个数量级所需模拟次数的削减。

    Jan, 2015

  • 无法计算似然度函数的扩展经验鞍点逼近

    本文介绍了一种基于合成似然方法和扩展经验鞍点估计的密度估计器的方法，以解决运用于计算生态学、生物学和遗传学中的复杂随机模型带来的统计推断问题，以提高参数估计的准确度。

    Jan, 2016

  • 变分贝叶斯蒙特卡罗

    本文介绍了一种新型的高效样本推断框架，变分贝叶斯蒙特卡罗（VBMC），可用于难以处理的黑盒似然的后验分布和模型评估。该方法结合了变分推断和基于高斯过程的主动采样贝叶斯积分，并在合成和实际数据的测试中表现出很好的性能。

    Oct, 2018

  • 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

  • 具有不可解似然函数的变分贝叶斯方法

    本文提出的变分贝叶斯方法可以推广到似然函数难以处理，但可以偏差无偏估计的情况，这种方法能够以较高精度近似获得边际后验分布。

    Mar, 2015

  • 非参数变分推断

    本文提出了一种基于非参数核密度估计的变分逼近方法，通过优化内核位置和带宽参数最大化数据边际似然下限，不同于其他变分逼近方法，本方法能够捕捉后验分布的多个模式，并成功应用于各种图模型和非线性矩阵分解模型中，预测性能优于更专业化的变分方法和基于样本的逼近方法。

    Jun, 2012