Oct, 2019

高斯过程代理近似贝叶斯计算中的批量模拟和不确定性量化

PDF
TL;DR本文提出了一种基于高斯过程的代理模型改进的近似贝叶斯计算方法，同时结合批次 - 序列贝叶斯试验设计策略实现模型并行化，并通过一种数值方法完整量化不确定性，该方法被称为贝叶斯 ABC，并讨论了它与贝叶斯积分和贝叶斯优化之间的联系。
approximate bayesian computationgaussian processesexperimental designuncertainty quantificationbayesian optimization
发现论文，激发创造
  • GPS-ABC: 高斯过程代理近似贝叶斯计算

    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

  • 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

  • 高斯过程建模在近似贝叶斯计算中的应用：预测细菌中的水平基因转移

    本文使用高斯过程模型减少 ABC 模型评估数量，对 ABC 模型各种变形及两种新型高斯过程模型进行了测试，结果显示选择合适的高斯过程模型对于后验分布的准确估计非常重要，提出了测量分类差异的预期效用作为确定高斯过程模型的自动化模型选择，并通过人口遗传模型的拟合提供了关于群体内部水平基因转移事件以及来自外部来源的信息。

    Oct, 2016

  • 自适应高斯 Copula ABC

    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

  • 利用高斯 Copula 模型将近似贝叶斯计算方法扩展到高维

    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

  • 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

  • DR-ABC: 基于核分布回归的近似贝叶斯计算

    本研究提供了一种新的基于核回归的框架方法，使用随机傅里叶特征来实现大规模核学习，以选择合适的问题特定摘要统计量来近似真实条件概率分布，该方法在近似贝叶斯计算中有杰出表现。

    Feb, 2016

  • 伪贝叶斯优化

    采用拟贝叶斯优化的框架，通过利用简单的局部回归和随机化先验构建来量化不确定性，并保证收敛性，有效地优化高维度的综合实验、超参数调整和机器人应用的例子中胜过最先进的基准测试。

    Oct, 2023