关键词likelihood-based inference
搜索结果 - 4
- 序贯决策的似然比置信集
基于似然比的推理原则重新考虑,提出了使用似然比构建任意时间有效的置信序列方法,适用于具有良好似然度的问题,而且结果保持模型无关的预定覆盖率;同时,研究了如何选择最佳的估计器序列以及与在线凸优化算法(例如 Follow-the-Regular - ICLR不是随机缺失数据下的深度生成建模
提出了一种基于深度神经网络和重要性采样变分推理的方法,用于建立和拟合深度潜变量模型。该方法可以在处理缺失数据时,显式地建模缺失过程以及缺失数据本身之间的依赖关系,以期能更好地应用到实际问题。
- 最大均值差异下的生成模型统计推断
本文介绍了一种基于最小距离估计的统计模型,即对于可能性不易计算的生成模型,通过指定核函数,作为一个度量距离的最大均值差异(MMD)可以用来进行最小距离估计,同时结合自然梯度下降算法的应用使这种估计更加高效和鲁棒。
- 空间和时空对数高斯 Cox 过程:拓展地质统计学范式
介绍了基于日志高斯卡克斯过程模型的空间和时空点过程数据,并探讨了推断的方法。同时,通过四个应用程序演示了该模型的实用性。论文认为这类问题自然适用于空间统计学领域,且该领域更适用于科学问题的研究,而非特定的模型或数据格式。