論文の概要: A Variational Approach to Bayesian Phylogenetic Inference

• arxiv url: http://arxiv.org/abs/2204.07747v2
• Date: Wed, 22 May 2024 11:11:51 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-26 22:01:37.495069
• Title: A Variational Approach to Bayesian Phylogenetic Inference
• Title（参考訳）: ベイズ系統推定への変分的アプローチ
• Authors: Cheng Zhang, Frederick A. Matsen IV,
• Abstract要約: ベイズ系統解析のための変分フレームワークを提案する。 我々はマルコフ勾配法による変分近似を訓練し、連続的および離散的な変分パラメータに対する推定器を採用する。 実データ系統推定問題に対するベンチマーク実験により,本手法の有効性と有効性を示す。
• 参考スコア（独自算出の注目度）: 7.251627034538359
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Bayesian phylogenetic inference is currently done via Markov chain Monte Carlo (MCMC) with simple proposal mechanisms. This hinders exploration efficiency and often requires long runs to deliver accurate posterior estimates. In this paper, we present an alternative approach: a variational framework for Bayesian phylogenetic analysis. We propose combining subsplit Bayesian networks, an expressive graphical model for tree topology distributions, and a structured amortization of the branch lengths over tree topologies for a suitable variational family of distributions. We train the variational approximation via stochastic gradient ascent and adopt gradient estimators for continuous and discrete variational parameters separately to deal with the composite latent space of phylogenetic models. We show that our variational approach provides competitive performance to MCMC, while requiring much fewer (though more costly) iterations due to a more efficient exploration mechanism enabled by variational inference. Experiments on a benchmark of challenging real data Bayesian phylogenetic inference problems demonstrate the effectiveness and efficiency of our methods.
• Abstract（参考訳）: ベイズ系統推定は現在、マルコフ連鎖モンテカルロ(MCMC)と単純な提案機構によって行われている。 これにより探索の効率が損なわれ、しばしば正確な後方推定を行うのに長い時間を要する。 本稿では,ベイズ系統解析のための変分フレームワークを提案する。 本研究では,木トポロジ分布の表現的グラフィカルモデルであるサブ分割ベイズネットワークと,木トポロジ上の枝長の構造的アモーティゼーションを組み合わせることで,分布の適切な変分族を実現することを提案する。 確率勾配法による変分近似を訓練し、連続的および離散的な変分パラメータに勾配推定器を適用して、系統モデルの複合潜時空間に対処する。 変動推論によりより効率的な探索機構を実現できるため、より少ない (よりコストがかかる) 反復を必要とする一方で、我々の変分アプローチはMCMCと競合する性能を提供することを示した。 本手法の有効性と有効性を示す実データベイズ系統推定問題のベンチマーク実験を行った。

関連論文リスト

• Variational Bayesian Phylogenetic Inference with Semi-implicit Branch Length Distributions [6.553961278427792]
  本稿では,グラフニューラルネットワークを用いた半単純階層分布に基づく分岐長変動後続の柔軟な系を提案する。 この構造は単純置換同変分布を出力するので、ユークリッドでない枝長空間を異なる木位相で容易に扱えることを示す。
  論文  参考訳（メタデータ） (2024-08-09T13:29:08Z)
• Linear Noise Approximation Assisted Bayesian Inference on Mechanistic Model of Partially Observed Stochastic Reaction Network [2.325005809983534]
  本稿では、部分的に観察された酵素反応ネットワーク(SRN)に対する効率的なベイズ推論手法を開発する。 線形雑音近似(LNA)メタモデルを提案する。 マルコフ・チェイン・モンテカルロの収束を高速化するために、導出確率の勾配を利用して効率的な後方サンプリング手法を開発した。
  論文  参考訳（メタデータ） (2024-05-05T01:54:21Z)
• Nonparametric Automatic Differentiation Variational Inference with Spline Approximation [7.5620760132717795]
  複雑な構造を持つ分布に対するフレキシブルな後続近似を可能にする非パラメトリック近似法を開発した。 広く使われている非パラメトリック推論手法と比較して,提案手法は実装が容易であり,様々なデータ構造に適応する。 実験では, 複雑な後続分布の近似における提案手法の有効性を実証し, 不完全データを用いた生成モデルの性能向上を図った。
  論文  参考訳（メタデータ） (2024-03-10T20:22:06Z)
• PhyloGFN: Phylogenetic inference with generative flow networks [57.104166650526416]
  本稿では,系統学における2つの中核的問題に対処するための生成フローネットワーク(GFlowNets)の枠組みを紹介する。 GFlowNetsは複雑な構造をサンプリングするのに適しているため、木トポロジー上の多重モード後部分布を探索し、サンプリングするのに自然な選択である。 我々は, 実際のベンチマークデータセット上で, 様々な, 高品質な進化仮説を生成できることを実証した。
  論文  参考訳（メタデータ） (2023-10-12T23:46:08Z)
• Variational Inference for GARCH-family Models [84.84082555964086]
  変分推論は、機械学習モデルにおけるベイズ推論の堅牢なアプローチである。 本研究では,変分推論がベイズ学習の魅力的な,極めてよく校正された,競争力のある方法であることを示す。
  論文  参考訳（メタデータ） (2023-10-05T10:21:31Z)
• Bayesian Pseudo-Coresets via Contrastive Divergence [5.479797073162603]
  対照的な発散を利用して擬似コアセットを構築するための新しい手法を提案する。 これは擬似コアセット構築プロセスにおける近似の必要性を排除する。 複数のデータセットに対して広範な実験を行い、既存のBPC技術よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-20T17:13:50Z)
• Bayesian learning of Causal Structure and Mechanisms with GFlowNets and Variational Bayes [51.84122462615402]
  本研究では,変分ベイズ-DAG-GFlowNetを用いて因果モデルの構造と機構を学習する手法を提案する。 我々は,GFlowNetを用いたベイズ因果構造学習の手法を拡張し,線形ガウスモデルのパラメータを学習する。
  論文  参考訳（メタデータ） (2022-11-04T21:57:39Z)
• A Variational Inference Approach to Inverse Problems with Gamma Hyperpriors [60.489902135153415]
  本稿では,ガンマハイパープライヤを用いた階層的逆問題に対する変分反復交替方式を提案する。 提案した変分推論手法は正確な再構成を行い、意味のある不確実な定量化を提供し、実装が容易である。
  論文  参考訳（メタデータ） (2021-11-26T06:33:29Z)
• Adaptive Bayesian Sum of Trees Model for Covariate Dependent Spectral Analysis [0.4551615447454768]
  提案手法は、複雑な依存関係と相互作用を捉えるために、木モデルのベイズ和を用いる。 木内の終端ノードに対応する局所パワースペクトルを非パラメトリックに推定する。 この方法は、ストライド間隔時系列の年齢に伴うパワースペクトルの変化を評価することにより、幼児の歩行成熟度を調べるために用いられる。
  論文  参考訳（メタデータ） (2021-09-29T19:25:10Z)
• Probabilistic Circuits for Variational Inference in Discrete Graphical Models [101.28528515775842]
  変分法による離散的グラフィカルモデルの推論は困難である。 エビデンス・ロウアーバウンド(ELBO)を推定するためのサンプリングに基づく多くの手法が提案されている。 Sum Product Networks (SPN) のような確率的回路モデルのトラクタビリティを活用する新しい手法を提案する。 選択的SPNが表現的変動分布として適していることを示し、対象モデルの対数密度が重み付けされた場合、対応するELBOを解析的に計算可能であることを示す。
  論文  参考訳（メタデータ） (2020-10-22T05:04:38Z)
• 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。