論文の概要: Simulation-based inference of Bayesian hierarchical models while
checking for model misspecification
- arxiv url: http://arxiv.org/abs/2209.11057v1
- Date: Thu, 22 Sep 2022 14:51:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-23 14:55:16.573165
- Title: Simulation-based inference of Bayesian hierarchical models while
checking for model misspecification
- Title(参考訳): ベイズ階層モデルのシミュレーションに基づく推定とモデル不特定化の検証
- Authors: Florent Leclercq
- Abstract要約: 本稿では,ベイズ階層モデル(BHMs)の一般クラスにおけるシミュレーションベース推論(SBI)の実行方法について述べる。
まず、BHMの第2層として現れる潜伏関数を推論し、モデルの誤識別を診断する。
第2に、信頼されたモデルのターゲットパラメータはSBIを介して推測される。概念実証として、ロトカ・ボルテラ方程式上に構築され、複雑な観測過程を伴う捕食者モデルに適用する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents recent methodological advances to perform
simulation-based inference (SBI) of a general class of Bayesian hierarchical
models (BHMs), while checking for model misspecification. Our approach is based
on a two-step framework. First, the latent function that appears as second
layer of the BHM is inferred and used to diagnose possible model
misspecification. Second, target parameters of the trusted model are inferred
via SBI. Simulations used in the first step are recycled for score compression,
which is necessary to the second step. As a proof of concept, we apply our
framework to a prey-predator model built upon the Lotka-Volterra equations and
involving complex observational processes.
- Abstract(参考訳): 本稿では,ベイズ階層モデル(bhms)の一般クラスのシミュレーションベース推論(sbi)を行うための最近の手法的進歩について述べる。
我々のアプローチは2段階の枠組みに基づいている。
まず、BHMの第2層として現れる潜伏関数を推論し、モデルの誤識別を診断する。
次に、信頼されたモデルのターゲットパラメータをSBIを介して推論する。
第1ステップで使用されるシミュレーションは、第2ステップに必要なスコア圧縮のためにリサイクルされる。
概念実証として,ロトカ・ボルテラ方程式上に構築され,複雑な観測過程を含む捕食者モデルに適用する。
関連論文リスト
- Latent Semantic Consensus For Deterministic Geometric Model Fitting [109.44565542031384]
我々はLSC(Latent Semantic Consensus)と呼ばれる効果的な方法を提案する。
LSCは、モデルフィッティング問題をデータポイントとモデル仮説に基づく2つの潜在意味空間に定式化する。
LSCは、一般的な多構造モデルフィッティングのために、数ミリ秒以内で一貫した、信頼性の高いソリューションを提供することができる。
論文 参考訳(メタデータ) (2024-03-11T05:35:38Z) - A Two-Scale Complexity Measure for Deep Learning Models [2.7446241148152257]
有効次元に基づく統計モデルのための新しいキャパシティ尺度2sEDを導入する。
新しい量は、モデル上の軽度の仮定の下で一般化誤差を証明的に有界にする。
標準データセットと一般的なモデルアーキテクチャのシミュレーションは、2sEDがトレーニングエラーとよく相関していることを示している。
論文 参考訳(メタデータ) (2024-01-17T12:50:50Z) - The Bayesian Context Trees State Space Model for time series modelling
and forecasting [8.37609145576126]
実数値時系列に対してリッチな混合モデルを開発するための階層的ベイズフレームワークが導入された。
最上位では、有意義な離散状態が、最新のサンプルの適切な定量値として特定される。
下位レベルでは、実数値時系列(ベースモデル)の異なる任意のモデルが各状態と関連付けられている。
論文 参考訳(メタデータ) (2023-08-02T02:40:42Z) - Bayesian Neural Network Inference via Implicit Models and the Posterior
Predictive Distribution [0.8122270502556371]
本稿では,ベイズニューラルネットワークのような複雑なモデルにおいて,近似ベイズ推論を行うための新しい手法を提案する。
このアプローチはMarkov Chain Monte Carloよりも大規模データに対してスケーラブルである。
これは、サロゲートや物理モデルのような応用に有用であると考えています。
論文 参考訳(メタデータ) (2022-09-06T02:43:19Z) - Model Comparison in Approximate Bayesian Computation [0.456877715768796]
自然科学における一般的な問題は、観測されたデータに照らして競合するモデルの比較である。
この枠組みは、実際に使用されるほとんどのモデルにとって難解な確率関数の計算に依存している。
ABCにおけるベイズモデルの比較を行うための新しい効率的な手法を提案する。
論文 参考訳(メタデータ) (2022-03-15T10:24:16Z) - On generative models as the basis for digital twins [0.0]
デジタルツインや構造鏡の基礎として、生成モデルのためのフレームワークが提案されている。
この提案は、決定論的モデルは、ほとんどの構造モデリングアプリケーションに存在する不確実性を説明できないという前提に基づいている。
論文 参考訳(メタデータ) (2022-03-08T20:34:56Z) - A multi-stage machine learning model on diagnosis of esophageal
manometry [50.591267188664666]
このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。
これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
論文 参考訳(メタデータ) (2021-06-25T20:09:23Z) - Anomaly Detection of Time Series with Smoothness-Inducing Sequential
Variational Auto-Encoder [59.69303945834122]
Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。
我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。
合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
論文 参考訳(メタデータ) (2021-02-02T06:15:15Z) - Generative Temporal Difference Learning for Infinite-Horizon Prediction [101.59882753763888]
我々は、無限確率的地平線を持つ環境力学の予測モデルである$gamma$-modelを導入する。
トレーニングタイムとテストタイムの複合的なエラーの間には、そのトレーニングが避けられないトレードオフを反映しているかについて議論する。
論文 参考訳(メタデータ) (2020-10-27T17:54:12Z) - Robust Finite Mixture Regression for Heterogeneous Targets [70.19798470463378]
本稿では,サンプルクラスタの探索と,複数の不完全な混合型ターゲットを同時にモデル化するFMRモデルを提案する。
我々は、高次元の学習フレームワークの下で、無症状のオラクルのパフォーマンス境界をモデルに提供します。
その結果,我々のモデルは最先端の性能を達成できることがわかった。
論文 参考訳(メタデータ) (2020-10-12T03:27:07Z) - Control as Hybrid Inference [62.997667081978825]
本稿では、反復推論と償却推論のバランスを自然に仲介するCHIの実装について述べる。
連続的な制御ベンチマークでアルゴリズムのスケーラビリティを検証し、強力なモデルフリーおよびモデルベースラインを上回る性能を示す。
論文 参考訳(メタデータ) (2020-07-11T19:44:09Z)
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。