Oct, 2023

改进的变分贝叶斯系统发育推断使用混合模型

PDF
TL;DRVBPI-Mixtures 算法通过在 BBVI 领域利用混合学习的最新突破，弥合了 VBPI 无法建模的树拓扑分布的鸿沟，并在多个真实系统发育数据集上交付了最先进的难度估计任务的性能。
phylogenetic posterior distributionsvbpi-mixtures algorithmtree-topology posterior approximationbranch-length posterior approximationmixture learning
发现论文，激发创造
  • 基于规范流的改进变分贝叶斯系统演化推断

    本文提出一种名为 VBPI-NF 的变分贝叶斯方法，通过谨慎设计的置换等变变换来处理系统发育模型的非欧几里得分支长度空间，利用正则流提供丰富灵活的分支长度分布，从而显著改进了贝叶斯系统发育推断的实际数据表现。

    Dec, 2020

  • 提升变分推断

    提出了一种新的算法 Boosting Variational Inference（BVI），它基于渐进的计算，能够捕捉多模态、一般后验协方差和非标准后面形状，并且使用一个更灵活的逼近族，包括所有可能的有限混合一个参数基础分布（例如高斯）。

    Nov, 2016

  • 贝叶斯系统发育推断的变分方法

    本文提出了一种基于变分推理的贝叶斯系统发育分析方法，应用分支分离贝叶斯网络与合适的变分分布通过随机梯度上升来训练，实践表明该方法既能获得高效率的探索机制，也可以提供与 MCMC 相当的性能。

    Apr, 2022

  • 黑盒变分推断中的高效混合学习

    通过引入 Multiple Importance Sampling Variational Autoencoder（MISVAE）和构建两个新的 black box variational inference（BBVI）下的 ELBO 估计器，本文提出了解决了混合变分分布中元素个数扩展问题的两个方法，并在多个实验中验证了其可行性。

    Jun, 2024

  • 粒子半隐式变分推断

    该研究提出了一种名为粒子变分推理（PVI）的新方法，通过粒子近似欧氏 - 瓦塞尔斯坦梯度流，利用经验度量来近似描述最优混合分布，并直接优化证据下界（ELBO），无需对混合分布做参数化假设。实证结果表明，PVI 在各种任务中表现出色，并对相关的自由能函数的梯度流行为进行了理论分析，证明了解的存在性和唯一性以及混乱传播结果。

    Jun, 2024

  • 混合模型中基于变分贝叶斯推断的参数估计和模型选择的一致性

    本篇论文研究、应用和优化混合模型和变化推理等技术对贝叶斯统计学、计算生物学和自然语言处理等多个领域的贡献，并研究证明了可变组成元素数量的情况下，情形近似的集中性，以及证明了这种多次证明技术确实是有效的。

    May, 2018

  • 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

  • 变分推理，高斯混合模型，贝叶斯机器学习

    通过优化固定协方差和常值权重的高斯混合模型，将变分推断（Variational Inference）视为最小化平滑相对熵，研究其在非高斯情况下的理论性质，包括梯度下降和粒子系统优化。

    Jun, 2024

  • 面向贝叶斯非参数模型的流式分布式变分推断

    提出了一种用于创建基于贝叶斯非参数模型的流式分布式推理算法的方法，其中处理节点接收数据小批量序列，为每个小批量计算变分后验，并对中央模型进行异步流式更新。

    Oct, 2015

  • GeoPhy：可微分的基于几何梯度的树拓扑的系统发生演绎

    利用连续几何空间中拓扑分布的独特表示，我们引入了一种新颖的完全可微分的系统发育推断方法 ——GeoPhy，通过在设计空间和梯度估计中考虑实际因素和控制变化量，使得我们能够进行可变拓扑候选项的变分推断，相比考虑完整拓扑结构的其他近似贝叶斯方法，在使用真实基准数据集的实验中，GeoPhy 表现出显著的优势。

    Jul, 2023