- 粒子物理中喷注重构的变分伪边缘方法
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 - 使用软分解的顺序蒙特卡洛算法收敛界限
证明了在顺序蒙特卡洛(SMC)算法生成的样本的经验测度下,函数 f 的方差的界限,其时间复杂度取决于局部而非全局马尔可夫链混合动力学。SMC 是一种马尔可夫链蒙特卡洛(MCMC)方法,从已知分布中抽取 N 个粒子,然后通过一系列分布重新加权 - 扭曲序列蒙特卡罗在语言模型中的概率推理
本论文介绍了大型语言模型的能力和安全技术,其中包括强化式高阶采样、自动红队测试、提示工程和填充等,并使用序贯蒙特卡罗方法解决这些概率推理问题。我们提出了一种学习扭曲函数的对比方法,并将其与软强化学习的丰富文献进行了联系。此外,我们还应用了扭 - SMC 是您所需的全部:并行强伸缩
在贝叶斯推断的一般框架中,目标分布只能以比例常数进行评估。我们发展了一种完全并行的顺序蒙特卡洛 (pSMC) 方法,可以证明其具有并行的强缩放性,即如果允许异步进程数量增长,则时间复杂度(和每个节点内存)保持有界。对于一些贝叶斯推断问题,我 - 基于置信传播的顺序蒙特卡洛自动瑞奥 - 布莱克韦利化
本文提出了一种混合推断算法,能够在可能的情况下使用置信传播计算封闭解,在出现精确计算失败时使用基于采样的顺序蒙特卡洛方法,该算法实现了自动的 Rao-Blackwellization,对于高斯树模型甚至可以实现精确推理。
- 扩散模型中实用且渐近精确的条件抽样
本文提出了一种名为 Twisted Diffusion Sampler 的串行蒙特卡罗算法用于生成条件分布,该算法具有更高的计算效率和更准确的近似度,并成功应用于蛋白质设计。
- 受进化算法启发的贝叶斯决策树
本文提出了一种使用序列蒙特卡洛和进化算法采样的贝叶斯决策树数值方法,比传统的马尔可夫链蒙特卡洛方法有更快的迭代速度,并且能够更准确地对复杂和不确定的数据进行建模。
- PAO: 具有精确动力学和闭合转移密度的通用粒子群算法
研究了一种高度通用的解释性粒子群优化算法 PAO,它可以精确计算每一步的转移密度,并且具有其他有用的特性,例如封闭形式的转移密度,是一个潜在的用于全局优化的有前途的算法。
- 应用顺序蒙特卡罗方法进行虚拟流量计校准
这篇论文介绍了一种基于虚拟流量计(VFM)的连续校准方法,使用生产分离器提供的测量和假设观测流等于每个个别井的流量总和,应用时序 Monte Carlo (SMC) 推断调谐系数以及每个井的流量组成。通过使用合成数据和实际数据进行测试,结果 - 高维非参数信念的信息化规划
本文提出一种计算信息论预期奖励的方法,运用信息量 (mutual information) 进行降维,开发出一个 Sequential Monte Carlo (SMC) 估计器,以避免未来信仰表面的重建,并将此方法应用于信息规划优化问题, - SIXO: 扭曲目标平滑推断
SIXO 是一种结合了密度比估计和 SMC 算法的方法,用于学习逼近平滑分布的目标分布,从而在状态空间模型的推断和模型学习中获得更准确的后验推断和参数估计结果。
- ICML基于 POMDP 的强化学习结构化世界信念
这篇论文提出了一种名为 “Structured World Belief” 的模型,可用于学习和推理物体集中信念状态,通过 SMC 实现,提供多个物体集中场景的假设,以及一种新的物体集中动态模型,能够在长时间内跟踪不可见的物体状态,同时允许 - 退火流输运蒙特卡罗
本文提出了一种新的蒙特卡罗算法 Annealed Flow Transport (AFT),它 结合使用了 Annealed Importance Sampling (AIS)、Sequential Monte Carlo (SMC) 和 - IJCAIDualSMC: 在连续 POMDP 下进行可微滤波和规划的隧道方法
本研究提出了一个名为 DualSMC 网络的模型,通过将 POMDP 过滤和规划问题作为两个顺序 Monte Carlo(SMC)过程相结合,提出了基于对抗粒子滤波器的规划算法,该算法扩展了以往的 SMC 规划方法,可以处理复杂观测,也具有 - ACL用神经粒子平滑法从条件序列模型中进行采样
本文介绍了神经粒子平滑法,一种用于从给定概率模型中采样输入字符串注释的顺序蒙特卡罗方法,通过训练向前看的 LSTM 来改进样本的质量,同时解释了神经模型和神经采样器可被视为处理非常大状态空间上的 HMM 时的低维非线性逼近。
- 概率程序的延迟抽样和自动 Rao-Blackwell 化
介绍了一种使用共轭先验和仿射变换降低蒙特卡罗估计方差的动态机制,该机制适用于解决概率程序中可分析子结构的问题,并加以应用于顺序蒙特卡罗推断和 Anglican 等编程语言。
- 变分序贯蒙特卡罗
本文在变分推理中提出了一种新的逼近分布族:变分顺序蒙特卡罗(VSMC)族,并显示了如何在变分推理中优化它,从而将变分推理和顺序蒙特卡罗相结合,提供了灵活,准确且强大的贝叶斯推理。我们展示了它在状态空间模型,金融数据随机波动模型以及大脑神经电 - 连续时间蒙特卡罗的分段确定性马尔可夫过程
本文介绍了基于连续时间 Markov 过程的 Monte Carlo 方法的新发展,包括通过连续时间的 MCMC 和 SMC 算法,实现大数据后验分布采样的方法,以及如何使用子采样和解决效率问题。
- 基于广义协方差交叉的多伯努利滤波分布融合
本文提出了一种分布式多目标跟踪算法,通过使用基于广义协方差交叉的多伯努利(MB)滤波器。该算法采用连续分布跟踪和序列蒙特卡罗采样技术,同时证明由于融合的多目标跟踪模型复杂度,直接求解其融合后的后验分布是不现实的。
- ICML用于图形模型中的顺序蒙特卡罗推理网络
本研究介绍了一种利用学习启发式逼近随机反演的方法来摊销有向图模型中的推理,它专门设计用作顺序蒙特卡罗方法中的提议分布。我们描述了一种构建和学习结构神经网络的方法,该网络表示图形模型的逆因子分解,从而得到一个有条件密度估计器,该估计器以所观察