Oct, 2018

隐式模型的高效贝叶斯实验设计

PDF
TL;DR本文提出了一个新的实验设计框架，用于解决隐式模型中的优化资源分配问题，采用了先前不可行的参数和数据之间的互信息作为效用函数，并使用基于贝叶斯优化的方法解决最优设计问题。
bayesian experimental designimplicit modelslikelihood-free inference by ratio estimationmutual informationbayesian optimisation
发现论文，激发创造
  • 通过互信息神经估计的贝叶斯隐式模型实验设计

    对于内隐随机模型，在数据生成分布复杂度很高但采样是可能的情况下，我们应当采用贝叶斯实验设计来最大限度地提高数据与参数变量之间的互信息，并利用基于神经网络的互信息估计来处理计算成本较高的难题，并在模拟研究中展示其可行性。

    Feb, 2020

  • 通过互信息的顺序贝叶斯实验设计隐式模型

    我们提出了一种新的序列设计框架，利用实现样本采样的隐式模型分类中的相互信息来寻找最佳实验设计，通过 Bayesian 优化来帮助我们优化 MI 效用，我们发现我们的框架对于各种测试的隐式模型非常有效，在几次迭代后可以产生准确的参数估计。

    Mar, 2020

  • 使用耦合辅助模型和多元仿真的贝叶斯实验设计：面对难以处理的似然模型

    提出一种基于多元高斯过程模拟和 Copula 方法相结合的策略，用于寻找涉及参数估计和模型比较实验目标的困难似然模型的 Bayesian 设计。

    Mar, 2018

  • 贝叶斯最优实验设计中的度量标准在模型不准确性下的应用

    本文介绍了一种扩展的贝叶斯决策实验设计框架，不仅考虑了传统的期望信息增益准则，还引入了期望一般信息增益和期望鉴别信息等准则，以量化模型差异的稳健性和实验检测模型差异的能力。通过应用于一个带有模型差异的弹性质量阻尼系统和 F-16 模型的场景中，展示了该框架的功能。

    Apr, 2023

  • 贝叶斯反问题鲁棒 A - 最优实验设计

    为贝叶斯反演问题设计最优实验设计方案的一个高效算法方法，使最优设计对反问题的要素的错误估计具有鲁棒性。具体而言，我们考虑一种针对不确定或错误估计参数的最坏情况方法，提出了一种优化这些目标的算法方法，进行了深入的数值实验，以验证和分析所提出的方法。

    May, 2023

  • 寻找最优 Bayesian 实验设计的自然选择启发式算法

    我们提出了一种适用于一般优化问题的高效搜索启发式算法，特别针对 Bayesian 最优实验设计问题，并通过评估死亡，药物动力学和逻辑回归模型的最优 Bayesian 实验设计来展示其优越性，作为中等规模设计问题（即大约 40 个维度）的计算高效性替代方法。

    Mar, 2017

  • 基于策略的贝叶斯实验设计用于不可微分的隐式模型

    介绍了一种基于强化学习的最优实验设计方法，通过改进基于策略的贝叶斯最优实验设计方法，将其重构为一个基于马尔可夫决策过程的奖励函数计算模型，使用无损信息下限来学习策略，提供了快速的离线实验设计方案，适用于非可微隐含模型的模拟实验优化设计。

    Mar, 2022

  • 变分贝叶斯最优实验设计

    本文介绍了一种基于模型推理的方法来估计 Bayesian 最优实验设计中的信息获取量，并通过多个实验展示了该方法相较于之前的方法具有更快速度和更准确的结果。

    Mar, 2019

  • 现代贝叶斯实验设计

    本文综述了贝叶斯实验设计在优化实验设计方面的应用。最近的进展解决了计算方面的挑战，使得该方法更加实用。同时，文章也探讨了未来该领域的发展方向。

    Feb, 2023

  • 基于贝叶斯实验设计的因果决策实际测试与上下文优化的高效性检验

    本文提出了一种用于评估和改进因果机器学习模型下上下文治疗分配决策的数据采集框架，采用贝叶斯实验设计用于数据高效率评估和改进过去治疗分配的遗憾。与 A / B 测试等方法相比，我们的方法通过引入基于信息的设计目标来避免分配已知高度次优的治疗方法，同时进行探索以收集相关信息。我们的方法适用于离散和连续治疗，与其他基线相比，模拟研究表明了我们提出的信息理论方法具有更好的性能。

    Jul, 2022