Jun, 2024

粒子物理中喷注重构的变分伪边缘方法

PDF
TL;DR使用重构喷注、贝叶斯方法、序贯蒙特卡罗、变分推断和对撞机物理等关键词，介绍了一种用于推断喷注潜在结构的组合序贯蒙特卡罗方法，以及该方法使用估计器进行参数学习和提供全面贝叶斯处理的可变推理算法。通过使用按照碰撞机物理生成模型生成的数据进行实验证明了该方法在速度和准确性上的优越性。
reconstructing jetsbayesian methodssequential monte carlovariational inferencecollider physics
发现论文，激发创造
  • 变分贝叶斯推断潜变量模型的参数和结构

    本文提出了变分贝叶斯 (Variational Bayes) 框架，通过解决概率图模型中潜在变量及其结构计算的问题，避免了因参数而导致过拟合和子最优泛化表现的通常方法，同时证明了该算法能成功应用于无监督聚类、盲源分离等模型。

    Jan, 2013

  • 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

  • 变分预测

    本文提出了一种名为可变预测的方法，该方法可通过使用可变约束直接学习预测分布的可变近似，避免了后验边缘化的计算成本，并在一个玩具实例上演示了该方法。

    Jul, 2023

  • CoinEM：基于粒子的变分推断无需调参的潜变量模型

    介绍了两种用于通过边缘最大似然估计学习潜变量模型的新的基于粒子的算法，其中包括一种完全免调范的算法。我们的方法基于作为优化问题的边缘最大似然估计的视角：即作为自由能泛函的最小化。我们验证了我们算法在广泛的数值试验中的性能，包括几个高维设置。

    May, 2023

  • 高斯过程的伪边缘贝叶斯推断

    本文提出了一种基于伪边缘法的马尔可夫链蒙特卡罗通用策略，有效地解决了使用高斯过程先验的精确贝叶斯推理和模型参数不确定性导致的数据预测问题。此外，Monte Carlo 积分可用于预测中的所有模型参数，这在高斯过程的层次统计模型中具有重要意义，并与最先进的概率分类器进行了广泛的比较。

    Oct, 2013

  • 高效蒙特卡洛计算的伪边际方法

    该研究介绍了一种强大、灵活的 MCMC 算法，基于最初在遗传学期刊中引入的伪边际方法。该方法描述了该算法近似理想边际算法的过程，具有相同的稳态分布。此外，该方法的收敛特性得到了理论证明，并给出了简单的数值实例以说明技术的实用性。

    Mar, 2009

  • 实用 N2 Monte Carlo 方法：边缘粒子滤波器

    提出了一种称为边际粒子滤波器的顺序蒙特卡罗算法，可以直接操作边际分布从而避免在目标分布维度不断增加时进行重要性抽样。同时，通过该算法提出了改进版的辅助粒子滤波器并给出了理论和实证结果，证明了该方法相较于传统粒子滤波可降低方差，并给出了把算法复杂度降至 O (N logN) 的技巧。

    Jul, 2012

  • 在线变分顺序蒙特卡洛

    在该研究中，我们使用基于粒子方法和变分推断的变分序贯蒙特卡洛（VSMC）方法，在时间上分布了 VSMC 代理 ELBO 的梯度的近似，从而实现了面向数据流的在线学习，能够高效地进行参数估计和粒子提议适应。同时，我们提供了与数据量趋于无穷大时该算法收敛性质的严格理论结果，以及在批处理设置中的出色收敛性和实用性的数值说明。

    Dec, 2023

  • 马尔可夫链蒙特卡罗和变分推断：架起鸿沟

    提出了一种结合了变分推断和蒙特卡罗方法的新型推断算法，它通过在变分近似中引入一步或多步 MCMC 来生成具有随机辅助变量的后验分布近似，并通过在快速后验分布逼近和精度之间进行权衡提供了更好的灵活性和准确性。

    Oct, 2014

  • 温和后验分布及其变分逼近的集中性

    本文提出了一种通用方法来证明分数后验变分近似的集中性，应用于矩阵补全和高斯 VB 两个例子，弥补了变分贝叶斯方法在理论方面的不足。

    Jun, 2017