介绍了一种新型的基于模拟的推断技术,在高维情况下,这种技术超越了传统的近似贝叶斯计算方法,并扩展了基于神经网络的代理模型的方法,并演示了这些新技术比传统方法更具样本效率和提供更高保真度的推断。
May, 2018
通过基于模拟的推理和自回归建模的多功能贝叶斯场重建算法,我们展示了对宇宙学初条件从晚期密度场中的恢复的初步有希望的结果。
Oct, 2023
提出一种新型的概率编程框架,通过跨平台的概率执行协议直接连接到现有的大规模模拟器,允许通用推理引擎以语言无关的方式记录和控制模拟器内的随机数,并通过后验推断的高度可解释性来演示其技术应用于粒子物理学,提升推断效率。
Jul, 2018
介绍了推断问题中的相变和统计物理之间的联系,详细阐述了类似 Ising 模型的推断问题,以及解决图和网络上的聚类和稀疏估计问题的应用。
Nov, 2015
本文研究了非平衡态下存在的集体系统,详细探讨了个体材料组分内部能量以及小扰动对整个系统流变性质的全球影响,利用模拟推断方法依据少量图像数据提取了集体系统参数的可行性,着重强调了复杂集体系统内部的结构关系是生成模型和数据更精确匹配的重要因素。
Apr, 2023
通过模拟、逆问题和统计推断方法,研究了心血管系统的仿真,估计心血管生理参数的不确定性,并发现新的临床生物标志物。同时,讨论了心血管模拟对实际数据分析的应用和局限。
Jul, 2023
使用结构化概率分布的混合模型,提供了逼真的后验推断,相较于基于神经网络的仿真推断方法,在计算上具有更小的足迹,对于具有复杂模型和难以计算的似然函数的贝叶斯推断提供了一个可行的选择。
Mar, 2024
通过识别认知科学中计算推理的计算方法、数据驱动时代的操作挑战、社会影响和道德准则等方面,平衡潜在的乐观情绪,探索在更实证的视角下进行推理的可行性和可行性,以更多样化和丰富的方法解释研究结果。
Oct, 2022
该论文介绍了一种基于模型的方法,利用概率推理和深度生成模型的方法,解决在空间环境中的定位、绘图、导航或自主探索等问题,并能够灵活地从数据中学习。该方法在两个不同的模拟环境中表现出了与专业最新方法相当的性能。
本文综述了在潜在结果框架下,针对观察数据的因果推断方法。这些方法分为两类,包括传统的统计学方法和最新的机器学习方法,还介绍了这些方法在广告、推荐、医学等领域的应用以及常用的基准数据集和开源代码。
Feb, 2020