posterior | BriefGPT - AI 论文速递

关键词posterior

搜索结果 - 12

概率编程中超越路径上贝叶斯模型平均
通过路径加权，基于后验概率的概率编程中的预测能够得到更加鲁棒且优越的结果。
PDF8 months ago
使用蒙特卡罗采样的主动学习并行采集
本文提出了一种称为 NORA 的新方法，该方法利用高斯过程回归的嵌套采样并行生成近似排序的 Monte Carlo 样本，以有效生成排序一致的候选者批次，以及推断边际量。
PDFa year ago
宽广场（Wide）均场变分贝叶斯神经网络忽视数据
该研究利用变分推断来近似后验推断高度超参数化的神经网络，研究发现当单层贝叶斯神经网络中的隐藏单元数量趋近于无穷大时，平均场变分推断下的函数空间后验均值实际上收敛于零，完全忽略数据，这与真后验收敛于高斯过程相反。这项工作提供了对变分推断中 K
PDF3 years ago
贝叶斯神经网络的后验分布是什么样子的？
研究表明，使用全批处理的哈密顿蒙特卡罗方法可以提高贝叶斯神经网络的性能，并证明模型中选择的先验分布对性能的影响较小，但相比于深度集成、SGLD 等计算代价较小的方法，HMC 呈现出更接近于精确后验分布的预测分布；同时，研究发现贝叶斯神经网
PDF3 years ago
ICML通过互信息神经估计的贝叶斯隐式模型实验设计
对于内隐随机模型，在数据生成分布复杂度很高但采样是可能的情况下，我们应当采用贝叶斯实验设计来最大限度地提高数据与参数变量之间的互信息，并利用基于神经网络的互信息估计来处理计算成本较高的难题，并在模拟研究中展示其可行性。
PDF4 years ago
自适应高斯 Copula ABC
该论文提出了一种基于回归 ABC 和顺序 ABC 相结合的简单而有效的近似贝叶斯计算算法，该算法通过逐步学习一个能够用现有方法准确学习的辅助分布，然后在高斯联合分布的帮助下学习所需后验分布，该算法随着手头数据的变化自适应地改变模型复杂度，实
PDF5 years ago
NIPS变分深度 Q 网络
本文提出一种框架，通过利用强大的变分推断子程序来直接处理深度 Q 网络（DQN）中值函数参数的概率分布，建立了我们提出的代理目标与变分推断损失之间的等价关系，并在大规模链式马尔科夫决策过程（MDP）上实现了高效的探索和表现。
PDF7 years ago
ICML连续潜在空间和变分推断的可学习显式密度
本文研究变分自编码器（VAE）的先验分布和后验分布。首先，我们将 VAE 的学习分解为逐层密度估计，并认为灵活的先验分布有益于样本生成和推断。其次，我们分析了反自回归流的族群（inverse AF），并表明在进一步改进后，反自回归流可用作对
PDF7 years ago
层级变分模型
通过引入分层变分模型来规范表达力强的变分分布，以提高黑盒变分推断的计算效率和可扩展性，并通过在深度定性潜变量模型中进行了研究来实现更高的后验品质。
PDF9 years ago
变分稀疏高斯过程 MCMC
本文研究了在数据量大、似然不为高斯分布和协方差函数参数后验估计方面如何高效地计算，提出了一种稀疏的变分近似方法和混合蒙特卡洛采样策略，实现了同时估计函数值和协方差参数。
PDF9 years ago
高效采样下的中等规模贝叶斯网络结构学习
本文研究学习贝叶斯网结构的贝叶斯模型平均方法，提出了新算法，包括第一个能够根据精确结构后验有效采样有向无环图的算法。 DAG 样本可以用来构造任何特征的后验估计器，在理论上证明了我们的估计器的良好性质，并在实证上表明估计器明显优于先前最先进
PDF9 years ago
关于双重难以计算似然贝叶斯推断的随机死亡估计
解决双重难以计算的分布后验的几种逼近方法被回顾了，同时提出了一种基于物理学文献的替代方法用于表示难以计算的似然函数，并使用量子色动力学文献结果对其进行了评估。
PDF11 years ago