bayesian computation | BriefGPT

关键词bayesian computation

搜索结果 - 9

BlackJAX: JAX 中的可组合贝叶斯推理
BlackJAX 是一个库，用于实现在贝叶斯计算中常用的采样和变分推断算法。它采用了功能性的方法来实现算法，以便于使用、速度快以及具备模块化。
PDF5 months ago
ICML使用递归分区的黑盒密度函数估计
本文提出了一种贝叶斯推导和计算的新方法，通过递归划分样本空间来定义，并通过有效的数据结构组织划分来近似整个密度函数以及规范化常数，可用于证据估计或快速后验采样，并具有与最新技术相当的性能。
PDF4 years ago
自动无似然推理的条件核均值嵌入的贝叶斯学习
本文提出了一种基于核嵌入的似然免费推理框架（KELFI），它自动学习模型超参数以提高推理准确性，同时具有较高的样本效率，可以解决生态学中的复杂推理问题。
PDF5 years ago
ICML用于近似贝叶斯计算的部分等变网络与学习摘要统计的结构与体系
本文提出新型神经网络体系结构 —— 部分置换网络 (PEN)，利用概率对称性对其进行了改进，具有对块交换变换不变性的特点，是至今为止较为可靠的用于 Bayesian 计算中的深度学习方法之一。
PDF5 years ago
使用基于模拟校准方法验证贝叶斯推断算法
介绍了一种名为 “基于模拟的校准（SBC）” 的通用过程，可验证使用贝叶斯算法生成后验样本的推断的正确性和一致性，并提供可指示问题性质的图形总结。
PDF6 years ago
应用合成似然函数的变分贝叶斯方法
本文提出了一种新的算法，使用随机梯度变分推断方法和无偏估计对后验分布进行近似，实现了降低计算开销的贝叶斯合成似然，同时改善了现有相关似然无关变分推断技术的实现方式。这些新算法可以在参数和统计量的维度方面具有挑战性的情况下实施，相比传统的近似
PDF8 years ago
测度传输采样简介
通过构建可决定的耦合（即传输图）来进行测量传输的基本原理，从而能够在质量复杂的概率分布中生成任意多且无权重的样本。该研究探讨了在仅可用非标准化目标密度评估或仅通过有限样本集合而已知目标分布的情况下，如何构建传输。该方法可直接应用于贝叶斯计算
PDF8 years ago
期望传播作为一种生活方式：基于分区数据的贝叶斯推断框架
本文介绍一种将期望传递作为分布式贝叶斯推断的框架，避免了传统方法在本地推断时需要将先验分割的问题，提出了一般算法框架，并展示了其在分层数据和参数分区中的应用。
PDF10 years ago
随机变分推断的平滑梯度
本文介绍了一种改进的随机变分推断方法，其中使用移动平均方法构建代替自然梯度的向量，得到了更高的计算计算效率和更小的误差。测试表明该方法在大规模数据上表现良好。
PDF10 years ago