論文の概要: Constraining the Reionization History using Bayesian Normalizing Flows
- arxiv url: http://arxiv.org/abs/2005.07694v1
- Date: Thu, 14 May 2020 23:00:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-03 05:31:56.046821
- Title: Constraining the Reionization History using Bayesian Normalizing Flows
- Title(参考訳): ベイズ正規化流を用いた再イオン化履歴の制約
- Authors: H\'ector J. Hort\'ua, Luigi Malago, Riccardo Volpi
- Abstract要約: 本稿では,4つの天体物理および宇宙論的パラメータの後方分布を予測するためにベイズニューラルネットワーク(BNN)を用いた。
提案手法は,最先端予測性能の達成に加えて,パラメータの不確かさの正確な推定と,それらの相関関係の推測を行う。
- 参考スコア(独自算出の注目度): 10.28074017512078
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The next generation 21 cm surveys open a new window onto the early stages of
cosmic structure formation and provide new insights about the Epoch of
Reionization (EoR). However, the non-Gaussian nature of the 21 cm signal along
with the huge amount of data generated from these surveys will require more
advanced techniques capable to efficiently extract the necessary information to
constrain the Reionization History of the Universe. In this paper we present
the use of Bayesian Neural Networks (BNNs) to predict the posterior
distribution for four astrophysical and cosmological parameters. Besides
achieving state-of-the-art prediction performances, the proposed methods
provide accurate estimation of parameters uncertainties and infer correlations
among them. Additionally, we demonstrate the advantages of Normalizing Flows
(NF) combined with BNNs, being able to model more complex output distributions
and thus capture key information as non-Gaussianities in the parameter
conditional density distribution for astrophysical and cosmological dataset.
Finally, we propose novel calibration methods employing Normalizing Flows after
training, to produce reliable predictions, and we demonstrate the advantages of
this approach both in terms of computational cost and prediction performances.
- Abstract(参考訳): 次世代の21cm調査は、宇宙構造形成の初期段階に新しい窓を開き、再イオン化(eor)の時期に関する新たな洞察を提供する。
しかし、21cm信号の非ガウス的な性質と、これらの調査から得られた膨大な量のデータには、宇宙のイオン化史を制約するために必要な情報を効率的に抽出する高度な技術が必要である。
本稿では,4つの天体物理および宇宙論的パラメータの後方分布を予測するためにベイズニューラルネットワーク(BNN)を用いた。
提案手法は,最先端予測性能の他に,パラメータの不確かさの正確な推定や相関の推測を行う。
さらに,BNNと組み合わせた正規化フロー(NF)の利点を実証し,より複雑な出力分布をモデル化し,パラメータ条件密度分布におけるキー情報を非ガウス性として捉えた。
最後に,訓練後の流れを正規化し,信頼性の高い予測を行う新しいキャリブレーション手法を提案し,計算コストと予測性能の両面で,この手法の利点を実証する。
関連論文リスト
- A PAC-Bayesian Perspective on the Interpolating Information Criterion [54.548058449535155]
補間系の性能に影響を及ぼす要因を特徴付ける一般モデルのクラスに対して,PAC-Bayes境界がいかに得られるかを示す。
オーバーパラメータ化モデルに対するテスト誤差が、モデルとパラメータの初期化スキームの組み合わせによって課される暗黙の正規化の品質に依存するかの定量化を行う。
論文 参考訳(メタデータ) (2023-11-13T01:48:08Z) - Accelerating Scalable Graph Neural Network Inference with Node-Adaptive
Propagation [80.227864832092]
グラフニューラルネットワーク(GNN)は、様々なアプリケーションで例外的な効果を発揮している。
大規模グラフの重大化は,GNNによるリアルタイム推論において重要な課題となる。
本稿では,オンライン伝搬フレームワークと2つの新しいノード適応伝搬手法を提案する。
論文 参考訳(メタデータ) (2023-10-17T05:03:00Z) - Joint Bayesian Inference of Graphical Structure and Parameters with a
Single Generative Flow Network [59.79008107609297]
本稿では,ベイジアンネットワークの構造上の結合後部を近似する手法を提案する。
サンプリングポリシが2フェーズプロセスに従う単一のGFlowNetを使用します。
パラメータは後部分布に含まれるため、これは局所確率モデルに対してより柔軟である。
論文 参考訳(メタデータ) (2023-05-30T19:16:44Z) - Bayesian Renormalization [68.8204255655161]
ベイズ統計的推論にインスパイアされた再正規化に対する完全情報理論的アプローチを提案する。
ベイズ再正規化の主な洞察は、フィッシャー計量が創発的RGスケールの役割を担う相関長を定義することである。
本研究では,ベイズ正規化方式が既存のデータ圧縮法やデータ生成法とどのように関係しているかを考察する。
論文 参考訳(メタデータ) (2023-05-17T18:00:28Z) - Probabilistic forecasting for geosteering in fluvial successions using a
generative adversarial network [0.0]
リアルタイムデータに基づく高速更新は、プレドリルモデルで高い不確実性を持つ複雑な貯水池での掘削に不可欠である。
本稿では, フラビアル継承の地質学的に一貫した2次元断面を再現するためのGAN(generative adversarial Deep Neural Network)を提案する。
この手法は不確実性を低減し, 掘削ビットより500m先にある主要な地質特性を正確に予測する。
論文 参考訳(メタデータ) (2022-07-04T12:52:38Z) - Probabilistic Mass Mapping with Neural Score Estimation [4.079848600120986]
弱レンズ質量マッピング問題の高次元ベイズ後方の効率的なサンプリング法を提案する。
本手法の精度をシミュレーションで実証し,HST/ACS COSMOSフィールドの大量再構成に適用する。
論文 参考訳(メタデータ) (2022-01-14T17:07:48Z) - Data Assimilation Predictive GAN (DA-PredGAN): applied to determine the
spread of COVID-19 [0.0]
本稿では,時間内予測のためのGAN(Generative Adversarial Network)とDA-PredGAN(DA-PredGAN)の新たな利用法を提案する。
GANは、現実的に見える画像の生成に優れた結果を達成した後、最近多くの注目を集めています。
論文 参考訳(メタデータ) (2021-05-17T10:56:53Z) - The Bayesian Method of Tensor Networks [1.7894377200944511]
ネットワークのベイズ的枠組みを2つの観点から検討する。
本研究では,2次元合成データセットにおけるモデルパラメータと決定境界を可視化することにより,ネットワークのベイズ特性について検討する。
論文 参考訳(メタデータ) (2021-01-01T14:59:15Z) - Unlabelled Data Improves Bayesian Uncertainty Calibration under
Covariate Shift [100.52588638477862]
後続正則化に基づく近似ベイズ推定法を開発した。
前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
論文 参考訳(メタデータ) (2020-06-26T13:50:19Z) - Bayesian Deep Learning and a Probabilistic Perspective of Generalization [56.69671152009899]
ディープアンサンブルはベイズ辺化を近似する有効なメカニズムであることを示す。
また,アトラクションの流域内での辺縁化により,予測分布をさらに改善する関連手法を提案する。
論文 参考訳(メタデータ) (2020-02-20T15:13:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。