論文の概要: Eryn : A multi-purpose sampler for Bayesian inference
- arxiv url: http://arxiv.org/abs/2303.02164v1
- Date: Fri, 3 Mar 2023 12:45:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-07 21:19:14.890006
- Title: Eryn : A multi-purpose sampler for Bayesian inference
- Title(参考訳): Eryn : ベイズ推論のための多目的サンプリング装置
- Authors: Nikolaos Karnesis, Michael L. Katz, Natalia Korsakova, Jonathan R.
Gair, Nikolaos Stergioulas
- Abstract要約: tt Erynはベイズ推論のためのユーザフレンドリーで多目的なツールボックスである。
本稿では, このサンプルパッケージについて述べるとともに, 様々なユースケースにおけるその機能について述べる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, methods for Bayesian inference have been widely used in many
different problems in physics where detection and characterization are
necessary. Data analysis in gravitational-wave astronomy is a prime example of
such a case. Bayesian inference has been very successful because this technique
provides a representation of the parameters as a posterior probability
distribution, with uncertainties informed by the precision of the experimental
measurements. During the last couple of decades, many specific advances have
been proposed and employed in order to solve a large variety of different
problems. In this work, we present a Markov Chain Monte Carlo (MCMC) algorithm
that integrates many of those concepts into a single MCMC package. For this
purpose, we have built {\tt Eryn}, a user-friendly and multipurpose toolbox for
Bayesian inference, which can be utilized for solving parameter estimation and
model selection problems, ranging from simple inference questions, to those
with large-scale model variation requiring trans-dimensional MCMC methods, like
the LISA global fit problem. In this paper, we describe this sampler package
and illustrate its capabilities on a variety of use cases.
- Abstract(参考訳): 近年、ベイズ推論の手法は、検出とキャラクタリゼーションが必要な物理学における多くの異なる問題に広く用いられている。
重力波天文学におけるデータ分析は、そのようなケースの典型例である。
ベイズ推定は、この手法が後続確率分布としてパラメータの表現を提供し、実験測定の精度によって不確かさを知らせるので、非常に成功した。
過去数十年間、様々な問題を解決するために、多くの特定の進歩が提案され、採用されてきた。
本研究では,これらの概念の多くを単一のmcmcパッケージに統合するマルコフ連鎖モンテカルロ(mcmc)アルゴリズムを提案する。
この目的のために、ベイズ推論のためのユーザフレンドリーで多目的なツールボックスである {\tt Eryn} を構築し、単純な推論問題からLISAグローバル適合問題のような超次元MCMCMC法を必要とする大規模モデル変動問題まで、パラメータ推定とモデル選択問題を解くのに利用できる。
本稿では,このサンプルパッケージについて述べるとともに,様々なユースケースでその機能を説明する。
関連論文リスト
- Best Arm Identification with Fixed Budget: A Large Deviation Perspective [54.305323903582845]
我々は、様々な武器の報酬間の経験的ギャップに基づいて、あらゆるラウンドで腕を拒絶できる真に適応的なアルゴリズムであるsredを提示する。
特に、様々な武器の報酬の間の経験的ギャップに基づいて、あらゆるラウンドで腕を拒絶できる真に適応的なアルゴリズムであるsredを提示する。
論文 参考訳(メタデータ) (2023-12-19T13:17:43Z) - 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 calibration of differentiable agent-based models [3.629865579485447]
本稿では,不特定なベイズパラメータ推定を行うために,一般化された変分推論手法をいかに活用するかを論じる。
我々は、新型コロナウイルスのパンデミックの異なるABM実験で、我々のアプローチが正確な推論をもたらすことを実証した。
論文 参考訳(メタデータ) (2023-05-24T16:52:32Z) - Robust probabilistic inference via a constrained transport metric [8.85031165304586]
我々は、パラメトリックな分布の族の近くに集中するように慎重に設計された指数関数的に傾いた経験的確に構築することで、新しい代替手段を提供する。
提案手法は,多種多様なロバストな推論問題に応用し,中心分布に付随するパラメータを推論する。
我々は,最先端の頑健なベイズ推論手法と比較した場合,提案手法の優れた性能を示す。
論文 参考訳(メタデータ) (2023-03-17T16:10:06Z) - Surrogate Likelihoods for Variational Annealed Importance Sampling [11.144915453864854]
我々は他の変分パラメータと共同で学習できる代理可能性を導入する。
本手法は,確率的プログラミングフレームワークにおけるブラックボックス推論に適していることを示す。
論文 参考訳(メタデータ) (2021-12-22T19:49:45Z) - 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) - Contributions to Large Scale Bayesian Inference and Adversarial Machine
Learning [0.0]
ML手法の急速な採用により、モデルは通常、予測の不確実性を考慮せずに決定を下すために採用されていることが明らかになった。
我々は,予測的説明の不確実性を考慮したMLシステムの開発が現実のタスクにとって必須であると考えている。
論文 参考訳(メタデータ) (2021-09-25T23:02:47Z) - Evaluating Sensitivity to the Stick-Breaking Prior in Bayesian
Nonparametrics [85.31247588089686]
変分ベイズ法はベイズモデルのパラメトリック的および非パラメトリック的側面に対して感性が得られることを示す。
ベイズ感度分析に対する変動的アプローチの理論的および経験的支援を提供する。
論文 参考訳(メタデータ) (2021-07-08T03:40:18Z) - Bayesian Quadrature on Riemannian Data Manifolds [79.71142807798284]
データに固有の非線形幾何学構造をモデル化する原則的な方法が提供される。
しかし、これらの演算は通常計算的に要求される。
特に、正規法則上の積分を数値計算するためにベイズ二次(bq)に焦点を当てる。
先行知識と活発な探索手法を両立させることで,BQは必要な評価回数を大幅に削減できることを示す。
論文 参考訳(メタデータ) (2021-02-12T17:38:04Z) - Stein Variational Model Predictive Control [130.60527864489168]
不確実性の下での意思決定は、現実の自律システムにとって極めて重要である。
モデル予測制御 (MPC) 法は, 複雑な分布を扱う場合, 適用範囲が限られている。
この枠組みが、挑戦的で非最適な制御問題における計画の成功に繋がることを示す。
論文 参考訳(メタデータ) (2020-11-15T22:36:59Z) - Advances in Bayesian Probabilistic Modeling for Industrial Applications [4.316426172559102]
本論文はGE Researchで一貫して開発されているベイズモデリング方法論の要約である。
この手法はGEのベイズハイブリッドモデリング(GEBHM)と呼ばれ、ケネディとオハーガンの枠組みに基づく確率論的モデリング手法である。
本稿では,GEBHMの手法の様々な進歩について解説し,いくつかの産業問題に対するその影響を実証する。
論文 参考訳(メタデータ) (2020-03-26T14:30:24Z)
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。