論文の概要: Amortized ratio-estimation importance sampling and localized simulation-based calibration for intractable likelihoods

• arxiv url: http://arxiv.org/abs/2609.39712v1
• Date: Wed, 30 Sep 2026 13:26:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.843152
• Title: Amortized ratio-estimation importance sampling and localized simulation-based calibration for intractable likelihoods
• Title（参考訳）: 難易度に対する償却比-推定重要度サンプリングと局所シミュレーションに基づくキャリブレーション
• Abstract要約: 条件密度近似を用いた後続推定法を開発した。 第2の貢献は、局所的なシミュレーションベースのキャリブレーションである。 実データ疫学的な応用を含む3つのケーススタディにおいて,両コントリビューションを評価した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider simulation-based Bayesian inference (SBI) for the parameters of models with intractable likelihoods but tractable forward simulation. Building on Gaussian mixtures-of-experts surrogates, as a first contribution we develop a sequential procedure for posterior estimation in which progressively localized, data informed, conditional density approximations are used as proposal distributions. A final surrogate of the posterior distribution is then corrected using an importance sampling step that introduces a locally amortized likelihood-to-evidence ratio estimator. A second contribution is localized simulation-based calibration (SBC). Localized SBC probe calibration over neighborhoods that are deliberately broader than the available posterior, at low additional computational cost. Rather than repeatedly running the full inference procedure for each simulated pseudo-observation, localized SBC fits the local surrogate and ratio estimator only once for each local design, and reuses them across all pseudo-observations. This approach is particularly appealing for SBI applications. We evaluate both contributions on three case studies, including a real-data epidemiological application.
• Abstract（参考訳）: 本研究では,抽出可能な確率を持つモデルのパラメータに対して,シミュレーションに基づくベイズ推定(SBI)を検討する。 第1の貢献として, ガウス混合系上に構築する手法として, 逐次的局所化, データ情報化, 条件密度近似を提案分布として用いた後続推定法を開発した。 後部分布の最終サロゲートを重要サンプリングステップを用いて補正し、局所的アモート化可能性-証拠比推定器を導入する。 第2の貢献は、局所シミュレーションベースのキャリブレーション(SBC)である。 SBCプローブの局所キャリブレーションは、利用可能な後部よりも意図的に幅が広く、計算コストが低い。 シミュレーションされた擬似観測の完全な推論手順を繰り返す代わりに、局所化されたSBCは局所的なサロゲートと比推定器を各局所的な設計に1回だけ適合させ、擬似観測をまたいで再利用する。 このアプローチは特にSBIアプリケーションにアピールします。 実データ疫学的な応用を含む3つのケーススタディにおいて,両コントリビューションを評価した。

関連論文リスト

• Learnable Chernoff Baselines for Inference-Time Alignment [64.81256817158851]
  本稿では,指数関数的に傾いたカーネルから効率よく,およそサンプリングする方法として,Learnerable Chernoff Baselinesを紹介した。 理想的なモデルに対する全変量保証を確立し、LCBサンプリングが理想的拒絶サンプリングと密接に一致するような連続的および離散的な拡散設定を実証する。
  論文  参考訳（メタデータ） (2026-02-08T00:09:40Z)
• Simulation-Based Inference via Regression Projection and Batched Discrepancies [1.9435397960631862]
  我々は,観測データの回帰に基づく投影のみを用いて,シミュレーションパラメータを推論する軽量なシミュレーションベース推論手法を解析した。 DREAMSシミュレーションスイートを用いたトラクタブル非線形モデルと宇宙キャリブレーションタスクの実験は、回帰ベースの射影の計算上の利点を示している。
  論文  参考訳（メタデータ） (2026-02-03T15:07:40Z)
• CP4SBI: Local Conformal Calibration of Credible Sets in Simulation-Based Inference [1.8840155706520811]
  本研究では,局所ベイズカバレッジを持つ信頼可能な集合を構成するモデルに依存しない共形キャリブレーションフレームワークを開発する。 我々の提案した2つの変種、すなわち回帰木による局所校正とCDFに基づく校正により、任意のスコアリング関数に対して有限サンプルの局所カバレッジを保証する。
  論文  参考訳（メタデータ） (2025-08-23T16:13:10Z)
• Likelihood-Free Adaptive Bayesian Inference via Nonparametric Distribution Matching [2.0319002824093015]
  本稿では,従来のデータ空間の相違を回避したフレームワークであるAdaptive Bayesian Inference (ABI)を提案する。 ABIは、後続分布間のばらつきを測定する問題を、条件付き量子レグレッションタスクのトラクタブルシーケンスに変換する。 ABIはデータベースであるWasserstein, 要約ベースABC, 最先端の可能性のないシミュレータを著しく上回っていることを実証する。
  論文  参考訳（メタデータ） (2025-05-07T17:50:14Z)
• Amortized Bayesian Decision Making for simulation-based models [11.375835331641548]
  シミュレータ上でベイズ決定を行う方法に関する問題に対処する。 本手法は,シミュレーションデータ上にニューラルネットワークを学習し,予測コストを予測する。 次に,医療神経科学における実世界のシミュレーターにおける最適な行動を推測するために,本手法を適用した。
  論文  参考訳（メタデータ） (2023-12-05T11:29:54Z)
• 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)
• L-C2ST: Local Diagnostics for Posterior Approximations in Simulation-Based Inference [63.22081662149488]
  L-C2STは、任意の観測で後部推定器の局所的な評価を可能にする。 理論上は根拠があり容易に解釈できる。 標準的なSBIベンチマークでは、L-C2STはC2STに匹敵する結果を提供し、代替のローカルアプローチより優れている。
  論文  参考訳（メタデータ） (2023-06-06T10:53:26Z)
• Optimal Scaling for Locally Balanced Proposals in Discrete Spaces [65.14092237705476]
  離散空間におけるMetropolis-Hastings (M-H) アルゴリズムの効率は、対象分布に依存しない受容率によって特徴づけられることを示す。 最適受容率の知識は、連続空間におけるステップサイズ制御と直接的に類似して、離散空間における提案分布の近傍サイズを自動的に調整することを可能にする。
  論文  参考訳（メタデータ） (2022-09-16T22:09:53Z)
• Random Forest Weighted Local Fréchet Regression with Random Objects [18.128663071848923]
  本稿では,新しいランダム森林重み付き局所Fr'echet回帰パラダイムを提案する。 最初の方法は、これらの重みを局所平均として、条件付きFr'echet平均を解くことである。 第二の手法は局所線形Fr'echet回帰を行い、どちらも既存のFr'echet回帰法を大幅に改善した。
  論文  参考訳（メタデータ） (2022-02-10T09:10:59Z)

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。