Mar, 2018

近似贝叶斯计算中的似然函数逼近

PDF
TL;DR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。
approximate bayesian computationlikelihood approximationsynthetic likelihoodempirical likelihoodmodel simulations
发现论文，激发创造
  • 基于回归密度估计的近似贝叶斯计算

    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

  • 近似贝叶斯计算方法

    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

  • 一类时间序列模型的近似贝叶斯计算

    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。

    Jan, 2014

  • 无似然推断的期望传递

    介绍了 EP-ABC 算法，它是期望传播算法在无似然函数情况下的一种适应性算法，它具有比标准算法更快的速度和更高的精度，并且可以在没有总结统计的情况下直接逼近模型的证据。

    Jul, 2011

  • 基于模型的近似贝叶斯计算的高效采样规则

    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

  • 使用仿真器网络进行无似然推断

    使用基于概率神经模拟器网络的近似贝叶斯计算方法，通过学习模拟数据的合成似然函数，自适应选择模拟操作，并利用获取函数对不确定性进行建模，无需事先定义拒绝阈值或距离函数，实现模拟容易应用于高维问题的准确高效的推断。

    May, 2018

  • 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

  • 近似贝叶斯计算中的汇总统计量

    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

  • 核近似贝叶斯计算在种群遗传推断中的应用

    本文介绍了一种基于 kernel 的 ABC 方法，它能够应对需要使用多个总结统计量的复杂问题，并表现出高效的推理性能。

    May, 2012

  • 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