Fugu-MT 論文翻訳(概要): Simulation-based inference of Bayesian hierarchical models while checking for model misspecification

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

Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
論文参考訳（メタデータ） (2024-04-11T09:23:36Z)
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)
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)
Sequential Neural Score Estimation: Likelihood-Free Inference with Conditional Score Based Diffusion Models [5.1986508753214915]
シミュレーターベースモデルにおけるベイズ推定のためのスコアベース手法である逐次ニューラル後スコア推定を導入する。このモデルを逐次訓練手順に組み込み、関心の観測における後部の現在の近似を用いてシミュレーションを導出する。提案手法は, 既存の最先端手法に匹敵する, 優れた性能を示す数値例で, 非逐次的, 非逐次的, 変種性を検証した。
論文参考訳（メタデータ） (2022-10-10T17:45:37Z)
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)
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。