关键词neural density estimators
搜索结果 - 4
- ICML对比学习用于无似然推断
该研究探讨了两种不需要概率似然函数的方法来处理具有随机模拟器模型的参数推断问题,分别是通过分类器学习隐含的密度比例和构建条件分布进行参数后验的灵活神经密度估计。研究表明这两种方法可以共同运行于一种对比学习策略下,并详细解释了它们如何运行和相 - 自回归能量机
Autoregressive Energy Machine 是一种高效的基于能量的神经网络模型,具备在无监督学习中广泛使用的灵活性,可以在不受概率密度限制的条件下计算归一化常数,实现在密度估计任务中的最优表现。
- 利用神经密度估计器和主动学习的快速无似然宇宙学
本文使用神经密度估计器学习来自一组模拟数据集的似然函数,以及实时学习以适应性地获取最相关的参数空间区域的仿真,以展示 DELFI 在宇宙学案例研究中的应用。
- 掩码自回归流密度估计
使用 Masked Autoregressive Flow 构建自回归模型栈,提高神经密度估计的灵活性,达到最先进的性能表现。