論文の概要: DeepRV: pre-trained spatial priors for accelerated disease mapping
- arxiv url: http://arxiv.org/abs/2503.21473v1
- Date: Thu, 27 Mar 2025 13:04:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-28 12:54:32.045624
- Title: DeepRV: pre-trained spatial priors for accelerated disease mapping
- Title(参考訳): DeepRV:加速疾患マッピングのための事前訓練型空間前駆体
- Authors: Jhonathan Navott, Daniel Jenson, Seth Flaxman, Elizaveta Semenova,
- Abstract要約: 事前符号化された深層生成モデル(例えば、PrediorVAE、$pi$VAE、PrediorCVAE)はスケーラブルなベイズ推論のための強力なツールとして登場した。
我々は、訓練を加速し、現実の応用性を高める軽量でデコーダのみのアプローチであるDeepRVを提案する。
本研究は、シミュレートされたデータ、50歳未満の人における性別ごとのがん死亡率、ジンバブエにおけるHIV感染率を用いて、イギリスのプロセスエミュレーションおよび空間分析においてその効果を示す。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Recently introduced prior-encoding deep generative models (e.g., PriorVAE, $\pi$VAE, and PriorCVAE) have emerged as powerful tools for scalable Bayesian inference by emulating complex stochastic processes like Gaussian processes (GPs). However, these methods remain largely a proof-of-concept and inaccessible to practitioners. We propose DeepRV, a lightweight, decoder-only approach that accelerates training, and enhances real-world applicability in comparison to current VAE-based prior encoding approaches. Leveraging probabilistic programming frameworks (e.g., NumPyro) for inference, DeepRV achieves significant speedups while also improving the quality of parameter inference, closely matching full MCMC sampling. We showcase its effectiveness in process emulation and spatial analysis of the UK using simulated data, gender-wise cancer mortality rates for individuals under 50, and HIV prevalence in Zimbabwe. To bridge the gap between theory and practice, we provide a user-friendly API, enabling scalable and efficient Bayesian inference.
- Abstract(参考訳): 近年,ガウス過程 (GP) のような複雑な確率過程をエミュレートすることで,ベイズ的推論をスケーラブルにするための強力なツールとして,事前符号化された深層生成モデル (例えば,preferVAE, $\pi$VAE, PriorCVAE) が登場している。
しかし、これらの手法は、主に概念実証であり、実践者にはアクセスできないままである。
我々は、トレーニングを加速し、現在のVAEベースの事前符号化アプローチと比較して実世界の適用性を高める軽量でデコーダのみのアプローチであるDeepRVを提案する。
推論に確率的プログラミングフレームワーク(例えばNumPyro)を活用することで、DeepRVはパラメータ推論の品質を改善し、完全なMCMCサンプリングと密接に一致する。
本研究は、シミュレートされたデータ、50歳未満の人における性別ごとのがん死亡率、ジンバブエにおけるHIV感染率を用いて、イギリスのプロセスエミュレーションおよび空間分析においてその効果を示す。
理論と実践のギャップを埋めるために、スケーラブルで効率的なベイズ推論を可能にする、ユーザフレンドリーなAPIを提供する。
関連論文リスト
- A Bayesian Approach to Data Point Selection [24.98069363998565]
データポイントの選択(DPS)は、ディープラーニングにおいて重要なトピックになりつつある。
既存のDPSへのアプローチは、主にバイレベル最適化(BLO)の定式化に基づいている。
DPSに対する新しいベイズ的アプローチを提案する。
論文 参考訳(メタデータ) (2024-11-06T09:04:13Z) - Unrolled denoising networks provably learn optimal Bayesian inference [54.79172096306631]
我々は、近似メッセージパッシング(AMP)のアンロールに基づくニューラルネットワークの最初の厳密な学習保証を証明した。
圧縮センシングでは、製品から引き出されたデータに基づいてトレーニングを行うと、ネットワークの層がベイズAMPで使用されるのと同じデノイザーに収束することを示す。
論文 参考訳(メタデータ) (2024-09-19T17:56:16Z) - A sparse PAC-Bayesian approach for high-dimensional quantile prediction [0.0]
本稿では,高次元量子化予測のための確率論的機械学習手法を提案する。
擬似ベイズ的フレームワークとスケールした学生tとランゲヴィン・モンテカルロを併用して効率的な計算を行う。
その効果はシミュレーションや実世界のデータを通じて検証され、そこでは確立された頻繁な手法やベイズ的手法と競合する。
論文 参考訳(メタデータ) (2024-09-03T08:01:01Z) - Variational Bayes image restoration with compressive autoencoders [4.879530644978008]
逆問題の正規化は、計算イメージングにおいて最重要となる。
本研究では,まず,最先端生成モデルの代わりに圧縮型オートエンコーダを提案する。
第2の貢献として、変分ベイズ潜時推定(VBLE)アルゴリズムを導入する。
論文 参考訳(メタデータ) (2023-11-29T15:49:31Z) - Equation Discovery with Bayesian Spike-and-Slab Priors and Efficient Kernels [57.46832672991433]
ケルネル学習とBayesian Spike-and-Slab pres (KBASS)に基づく新しい方程式探索法を提案する。
カーネルレグレッションを用いてターゲット関数を推定する。これはフレキシブルで表現力があり、データ空間やノイズに対してより堅牢である。
我々は,効率的な後部推論と関数推定のための予測伝搬予測最大化アルゴリズムを開発した。
論文 参考訳(メタデータ) (2023-10-09T03:55:09Z) - Validation Diagnostics for SBI algorithms based on Normalizing Flows [55.41644538483948]
本研究は,NFに基づく多次元条件(後)密度推定器の検証診断を容易にすることを提案する。
また、局所的な一貫性の結果に基づいた理論的保証も提供する。
この作業は、より良い特定モデルの設計を支援したり、新しいSBIアルゴリズムの開発を促進するのに役立つだろう。
論文 参考訳(メタデータ) (2022-11-17T15:48:06Z) - FaDIn: Fast Discretized Inference for Hawkes Processes with General
Parametric Kernels [82.53569355337586]
この研究は、有限なサポートを持つ一般パラメトリックカーネルを用いた時間点プロセス推論の効率的な解を提供する。
脳磁図(MEG)により記録された脳信号からの刺激誘発パターンの発生をモデル化し,その有効性を評価する。
その結果,提案手法により,最先端技術よりもパターン遅延の推定精度が向上することが示唆された。
論文 参考訳(メタデータ) (2022-10-10T12:35:02Z) - Sparse high-dimensional linear regression with a partitioned empirical
Bayes ECM algorithm [62.997667081978825]
疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。
パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。
提案手法はRパッケージプローブに実装されている。
論文 参考訳(メタデータ) (2022-09-16T19:15:50Z) - Neural Posterior Estimation with Differentiable Simulators [58.720142291102135]
微分可能シミュレータを用いてニューラル・ポストミラー推定(NPE)を行う新しい手法を提案する。
勾配情報が後部形状の制約にどのように役立ち、試料効率を向上させるかを示す。
論文 参考訳(メタデータ) (2022-07-12T16:08:04Z) - Encoding spatiotemporal priors with VAEs for small-area estimation [2.4783465852664324]
本稿では,新しい時間的設定に対処する深層生成モデリング手法を提案する。
可変オートエンコーダ(VAE)の事前装着による事前サンプリングのクラスを近似する。
VAEは独立に分散された潜在ガウス空間表現のため、推論を驚くほど効率的にすることができる。
ベイズ型小面積推定タスクにおけるVAE2段階アプローチの有用性を実証する。
論文 参考訳(メタデータ) (2021-10-20T08:14:15Z)
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。