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 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。
論文 参考訳(メタデータ) (2024-04-23T09:22:35Z) - Poisson Process for Bayesian Optimization [126.51200593377739]
本稿では、Poissonプロセスに基づくランキングベースの代理モデルを提案し、Poisson Process Bayesian Optimization(PoPBO)と呼ばれる効率的なBOフレームワークを提案する。
従来のGP-BO法と比較すると,PoPBOはコストが低く,騒音に対する堅牢性も良好であり,十分な実験により検証できる。
論文 参考訳(メタデータ) (2024-02-05T02:54:50Z) - A Heavy-Tailed Algebra for Probabilistic Programming [53.32246823168763]
本稿では,確率変数の尾を解析するための体系的アプローチを提案する。
本稿では,確率型プログラミング言語コンパイラの静的解析(サンプル作成前)において,この手法をどのように利用できるかを示す。
実験結果から,重み付き代数を利用する推論アルゴリズムは,多数の密度モデリングおよび変分推論タスクにおいて優れた性能が得られることを確認した。
論文 参考訳(メタデータ) (2023-06-15T16:37:36Z) - Bayesian Pseudo-Coresets via Contrastive Divergence [5.479797073162603]
対照的な発散を利用して擬似コアセットを構築するための新しい手法を提案する。
これは擬似コアセット構築プロセスにおける近似の必要性を排除する。
複数のデータセットに対して広範な実験を行い、既存のBPC技術よりも優れていることを示す。
論文 参考訳(メタデータ) (2023-03-20T17:13:50Z) - 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) - Bayesian data-driven discovery of partial differential equations with variable coefficients [9.331440154110117]
可変係数を用いたPDE探索のための高度なベイズスパース学習アルゴリズムを提案する。
実験では, 雑音環境下でのベースライン法よりも, tBGL-SS法の方がロバストであることを示す。
論文 参考訳(メタデータ) (2021-02-02T11:05:34Z) - 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。