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

• A comparison of Bayesian sampling algorithms for high-dimensional particle physics and cosmology applications [0.0]
  我々は,マルコフ・チェイン・モンテカルロ(MCMC)とネストサンプリング手法を幅広く検討し,比較した。 ネストサンプリング手法を用いて最も容易に解けると広く考えられているいくつかの例は、現代のMCMCアルゴリズムによりより効率的に解けることを示す。
  論文  参考訳（メタデータ） (2024-09-27T05:57:48Z)
• Unveiling the Statistical Foundations of Chain-of-Thought Prompting Methods [59.779795063072655]
  CoT(Chain-of-Thought)の促進とその変種は、多段階推論問題を解決する効果的な方法として人気を集めている。 統計的推定の観点からCoTのプロンプトを解析し,その複雑さを包括的に評価する。
  論文  参考訳（メタデータ） (2024-08-25T04:07:18Z)
• von Mises Quasi-Processes for Bayesian Circular Regression [57.88921637944379]
  円値ランダム関数上の表現的および解釈可能な分布の族を探索する。 結果の確率モデルは、統計物理学における連続スピンモデルと関係を持つ。 後続推論のために、高速マルコフ連鎖モンテカルロサンプリングに寄与するストラトノビッチのような拡張を導入する。
  論文  参考訳（メタデータ） (2024-06-19T01:57:21Z)
• Bayesian Nonparametrics: An Alternative to Deep Learning [0.5801621787540265]
  この調査はベイズ非パラメトリックの重要性を掘り下げることを目的としており、特に統計学、計算機科学、電気工学など様々な分野における複雑な課題に対処することを目的としている。 ベイズ的非パラメトリック手法の汎用性と有効性を明らかにし、様々な分野にまたがる課題を複雑に解決する革新的な解決策の道を開く。
  論文  参考訳（メタデータ） (2024-03-29T17:32:42Z)
• 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)
• 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)
• 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)

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。