論文の概要: Wasserstein Gaussianization and Efficient Variational Bayes for Robust Bayesian Synthetic Likelihood

• arxiv url: http://arxiv.org/abs/2305.14746v1
• Date: Wed, 24 May 2023 05:42:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-25 19:18:53.337294
• Title: Wasserstein Gaussianization and Efficient Variational Bayes for Robust Bayesian Synthetic Likelihood
• Title（参考訳）: ロバストベイズ合成様相に対するワッサーシュタインガウス化と効率的な変分ベイズ
• Authors: Nhat-Minh Nguyen and Minh-Ngoc Tran and Christopher Drovandi and David Nott
• Abstract要約: ワッサーシュタイン勾配流を用いて要約統計量の分布をガウス分布に変換する。 確率自由問題に対する高効率で信頼性の高いベイズ近似法を開発した。
• 参考スコア（独自算出の注目度）: 1.2809525640002362
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Bayesian Synthetic Likelihood (BSL) method is a widely-used tool for likelihood-free Bayesian inference. This method assumes that some summary statistics are normally distributed, which can be incorrect in many applications. We propose a transformation, called the Wasserstein Gaussianization transformation, that uses a Wasserstein gradient flow to approximately transform the distribution of the summary statistics into a Gaussian distribution. BSL also implicitly requires compatibility between simulated summary statistics under the working model and the observed summary statistics. A robust BSL variant which achieves this has been developed in the recent literature. We combine the Wasserstein Gaussianization transformation with robust BSL, and an efficient Variational Bayes procedure for posterior approximation, to develop a highly efficient and reliable approximate Bayesian inference method for likelihood-free problems.
• Abstract（参考訳）: Bayesian Synthetic Likelihood (BSL) 法は、確率自由ベイズ推論のための広く使われているツールである。 この方法は、いくつかの要約統計が通常分布していると仮定しており、多くのアプリケーションでは正しくない。 我々は、ワッサーシュタイン勾配流を用いて、要約統計量の分布をガウス分布に変換する、ワッサーシュタインガウス化変換(Wasserstein Gaussianization transformation)という変換を提案する。 BSLはまた、作業モデルの下でシミュレーションされた要約統計と観測された要約統計との互換性を暗黙的に要求する。 これを実現する堅牢なBSL変種が近年の文献で開発されている。 ワッサースタインガウス化変換をロバストなbslと組み合わせ,後続近似に対する効率的な変分ベイズ法を組み合わせることで,確率自由問題に対する高効率で信頼性の高いベイズ推定法を開発した。

関連論文リスト

• Variational empirical Bayes variable selection in high-dimensional logistic regression [2.4032899110671955]
  我々は,その新しい,計算効率の良い変分近似を開発した。 そのようなノベルティの1つは、回帰係数自身ではなく、モデル空間上の辺分布に対してこの近似を直接発展させることである。 シミュレーションにおいて,本手法の強い性能を実証し,我々の変分近似が近似している後部分布で満たされる強い選択整合性を引き継ぐことを証明した。
  論文  参考訳（メタデータ） (2025-02-14T19:57:13Z)
• 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)
• Variational Bayesian surrogate modelling with application to robust design optimisation [0.9626666671366836]
  サロゲートモデルは複雑な計算モデルに対して素早く評価できる近似を提供する。 入力の不確かさと次元減少を伴う統計的代理を構築するためのベイズ推定について考察する。 コスト関数がモデル出力の平均および標準偏差の重み付け和に依存するような本質的で頑健な構造最適化問題を示す。
  論文  参考訳（メタデータ） (2024-04-23T09:22:35Z)
• Gradient-flow adaptive importance sampling for Bayesian leave one out cross-validation with application to sigmoidal classification models [0.9895793818721335]
  勾配流誘導適応重要度サンプリング(IS)変換によるモンテカルロ近似の安定化 我々は、モデルヘッセンに関するヤコビ行列式に対して閉形式完全式を導出する。
  論文  参考訳（メタデータ） (2024-02-13T01:03:39Z)
• Logistic-beta processes for dependent random probabilities with beta marginals [58.91121576998588]
  本稿では,ロジスティック・ベータプロセスと呼ばれる新しいプロセスを提案する。 空間や時間などの離散領域と連続領域の両方への依存をモデル化でき、相関カーネルを通じて柔軟な依存構造を持つ。 本研究は,非パラメトリック二分回帰と条件密度推定の例による効果をシミュレーション研究と妊娠結果応用の両方で説明する。
  論文  参考訳（メタデータ） (2024-02-10T21:41:32Z)
• Robust Gaussian Process Regression with Huber Likelihood [2.7184224088243365]
  本稿では,ハマー確率分布として表される観測データの可能性を考慮した,ガウス過程フレームワークにおけるロバストなプロセスモデルを提案する。 提案モデルでは、予測統計に基づく重みを用いて、残差を拡大し、潜伏関数推定における垂直外れ値と悪レバレッジ点の影響を限定する。
  論文  参考訳（メタデータ） (2023-01-19T02:59:33Z)
• Numerically Stable Sparse Gaussian Processes via Minimum Separation using Cover Trees [57.67528738886731]
  誘導点に基づくスケーラブルスパース近似の数値安定性について検討する。 地理空間モデリングなどの低次元タスクに対しては,これらの条件を満たす点を自動計算する手法を提案する。
  論文  参考訳（メタデータ） (2022-10-14T15:20:17Z)
• Statistical Efficiency of Score Matching: The View from Isoperimetry [96.65637602827942]
  本研究では, スコアマッチングの統計的効率と推定される分布の等尺性との間に, 密接な関係を示す。 これらの結果はサンプル状態と有限状態の両方で定式化する。
  論文  参考訳（メタデータ） (2022-10-03T06:09:01Z)
• Variational Refinement for Importance Sampling Using the Forward Kullback-Leibler Divergence [77.06203118175335]
  変分推論(VI)はベイズ推論における正確なサンプリングの代替として人気がある。 重要度サンプリング(IS)は、ベイズ近似推論手順の推定を微調整し、偏りを逸脱するためにしばしば用いられる。 近似ベイズ推論のための最適化手法とサンプリング手法の新たな組み合わせを提案する。
  論文  参考訳（メタデータ） (2021-06-30T11:00:24Z)
• Sparse online variational Bayesian regression [0.0]
  完全ベイズアプローチに代わる安価でスケーラブルな代替手段としてのバリエーションベイズ推論。 線形モデルの場合、この方法は決定論的最小二乗問題の反復解のみを必要とする。 大きな p の場合、近似は計算とメモリの両方において o(p) のコストの有望な結果が得られる。
  論文  参考訳（メタデータ） (2021-02-24T12:49:42Z)
• Gaussianization Flows [113.79542218282282]
  そこで本研究では,サンプル生成における効率のよい繰り返しと効率のよい逆変換を両立できる新しい型正規化フローモデルを提案する。 この保証された表現性のため、サンプル生成の効率を損なうことなく、マルチモーダルなターゲット分布をキャプチャできる。
  論文  参考訳（メタデータ） (2020-03-04T08:15:06Z)

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。