Fugu-MT 論文翻訳(概要): Simulation-Based Empirical Bayes

論文の概要: Simulation-Based Empirical Bayes

arxiv url: http://arxiv.org/abs/2607.21843v1
Date: Thu, 23 Jul 2026 22:12:46 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-27 20:58:57.008343
Title: Simulation-Based Empirical Bayes
Title（参考訳）: シミュレーションに基づく経験ベイズ
Abstract要約: 非パラメトリックEBをシミュレーションベース推論(SBI)に接続するシミュレーションベースの経験ベイズ(SBEB)を導入する。 SBEBは、観測データ、シミュレーターサンプル、および償却推論ネットワークを用いて、明示的な密度なしでEB推定を計算する。いくつかの科学シミュレータと実世界のデータを用いて、SBEBは固定前のSBIよりも精度を向上することを示した。
参考スコア（独自算出の注目度）: 22.16706468339999
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Empirical Bayes (EB) performs simultaneous inference across many related latent variables. Classical EB assumes that the likelihood p(x | z) is tractable. In many scientific applications, however, the likelihood is available only through a simulator. This paper develops EB for such implicit likelihoods. We introduce simulation-based empirical Bayes (SBEB), which connects nonparametric EB to simulation-based inference (SBI). SBEB computes EB estimates without an explicit density by using the observed data, simulator samples, and an amortized inference network. SBEB iteratively refines the fitted EB prior toward the population prior. With several scientific simulators and real-world data, we demonstrate that SBEB improves accuracy over SBI with a fixed prior.
Abstract（参考訳）: 経験ベイズ(EB)は多くの関連する潜伏変数を同時に推論する。古典的な EB は、p(x | z) の確率は tractable であると仮定する。しかし、多くの科学的応用において、確率はシミュレータを通してのみ利用できる。本稿ではこのような暗黙的な可能性のためにEBを開発する。本研究では,非パラメトリックEBをシミュレーションベース推論(SBI)に接続するシミュレーションベースの経験ベイズ(SBEB)を提案する。 SBEBは、観測データ、シミュレーターサンプル、および償却推論ネットワークを用いて、明示的な密度なしでEB推定を計算する。 SBEBは、適合したEBを前人口に向けて反復的に精製する。いくつかの科学シミュレータと実世界のデータを用いて、SBEBは固定前のSBIよりも精度を向上することを示した。

関連論文リスト

Bayesian Empirical Bayes: Simultaneous Inference from Probabilistic Symmetries [22.13100813745803]
経験的ベイズ(EB)は「他人の経験から学ぶ」同時推論の精度を改善する我々は変分推論とニューラルネットワークに基づくスケーラブルなアルゴリズムを開発した。
論文参考訳（メタデータ） (2025-12-18T06:33:48Z)
Bridging the Gap Between Bayesian Deep Learning and Ensemble Weather Forecasts [100.26854618129039]
天気予報は、大気のカオス的な性質によって根本的に挑戦されている。ベイジアンディープラーニング(BDL)の最近の進歩は、有望だがしばしば非接続な代替手段を提供する。気象予報のための統合型BDLフレームワークにより,これらのパラダイムを橋渡しする。
論文参考訳（メタデータ） (2025-11-18T07:49:52Z)
BLIPs: Bayesian Learned Interatomic Potentials [47.73617239750485]
機械学習原子間ポテンシャル(MLIP)は、シミュレーションベースの化学の中心的なツールになりつつある。 MLIPは、アクティブな学習パイプラインをガイドする基本となる、構築による不確実性推定を提供していない。 BLIPはスケーラブルでアーキテクチャに依存しない、トレーニングや微調整のためのベイズ的フレームワークである。
論文参考訳（メタデータ） (2025-08-19T17:28:14Z)
sbi reloaded: a toolkit for simulation-based inference workflows [15.696312591547283]
我々は、ニューラルネットワークに基づくベイズSBIアルゴリズムを実装したPyTorchベースのパッケージであるsbiを開発し、保守し、拡張した。 sbiツールキットは、科学者やエンジニアが最先端のSBIメソッドをブラックボックスシミュレータに適用することを可能にする。
論文参考訳（メタデータ） (2024-11-26T11:31:47Z)
Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
論文参考訳（メタデータ） (2024-04-11T09:23:36Z)
On Least Square Estimation in Softmax Gating Mixture of Experts [78.3687645289918]
決定論的MoEモデルに基づく最小二乗推定器(LSE)の性能について検討する。我々は,多種多様な専門家関数の収束挙動を特徴付けるために,強い識別可能性という条件を確立する。本研究は,専門家の選択に重要な意味を持つ。
論文参考訳（メタデータ） (2024-02-05T12:31:18Z)
Calibrating Neural Simulation-Based Inference with Differentiable Coverage Probability [50.44439018155837]
ニューラルモデルのトレーニング目的に直接キャリブレーション項を含めることを提案する。古典的なキャリブレーション誤差の定式化を緩和することにより、エンドツーエンドのバックプロパゲーションを可能にする。既存の計算パイプラインに直接適用でき、信頼性の高いブラックボックス後部推論が可能である。
論文参考訳（メタデータ） (2023-10-20T10:20:45Z)
Generalized Bayesian Inference for Scientific Simulators via Amortized Cost Estimation [11.375835331641548]
ニューラルネットワークをトレーニングしてコスト関数を近似し、パラメータと観測データとの予測距離と定義する。いくつかのベンチマークタスクにおいて、ACEはコストを正確に予測し、他のSBI法よりも合成観測に近い予測シミュレーションを提供する。
論文参考訳（メタデータ） (2023-05-24T14:45:03Z)
Maximum Likelihood Learning of Unnormalized Models for Simulation-Based Inference [44.281860162298564]
シミュレーションベース推論のための2つの合成確率法を提案する。本研究では,シミュレータによって生成された合成データを用いて,条件付きエネルギーベースモデル(EBM)を学習する。本研究は, カニの神経科学ネットワークのモデルに適用し, 各種合成データセット上での両手法の特性を実証する。
論文参考訳（メタデータ） (2022-10-26T14:38:24Z)
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)
CGAN-EB: A Non-parametric Empirical Bayes Method for Crash Hotspot Identification Using Conditional Generative Adversarial Networks: A Simulated Crash Data Study [2.3204178451683264]
交通における経験的ベイズ推定(EB)を近似するために,CGAN-EBと呼ばれる新しい非パラメトリックな経験的ベイズ手法を提案する。その性能は、負二項モデル(NB-EB)に基づく従来の手法と比較される。
論文参考訳（メタデータ） (2021-12-13T16:02:47Z)
SBI -- A toolkit for simulation-based inference [0.0]
シミュレーションベースの推論 (SBI) は、a) が先行知識と互換性があり、b) が経験的観察と一致するパラメータ集合を識別しようとする。ニューラルネットワークに基づくSBIアルゴリズムを実装したPyTorchベースのパッケージであるtextttsbi$を提示する。
論文参考訳（メタデータ） (2020-07-17T16:53:51Z)

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。