机构名称：
¥ 3.0
基于仿真的推理（SBI）方法可以在可能性函数棘手但模型模拟可行的情况下，可以估计后验分布。SBI的流行神经方法是神经后估计（NPE）及其顺序版本（SNPE）。这些方法可以超越统计SBI方法，例如近似贝叶斯计算（ABC），特别是对于相对较少的模型模拟。但是，我们在本文中表明，即使在低维问题上，NPE方法也不能高度准确。在这种情况下，无法在先前的预测空间上准确训练后验，甚至顺序扩展仍然是优化的。为了克服这一点，我们提出了预处理的NPE（PNPE）及其顺序版本（PSNPE），该版本使用ABC的短运行来有效消除参数空间区域，从而在模拟和数据之间产生较大的差异，并允许后仿真器进行更准确的培训。我们提供了全面的经验证据，即神经和统计SBI方法的这种融合可以改善在一系列示例中的性能，包括一个激励示例，涉及应用于实际肿瘤生长数据的基于复杂的基准模型。
Zhan，Haifei 可能性的预处理神经后验估计 铬蛋白的生物技术应用 luo，zhaohui 9781789060119_0415.pdf alankarage，di 城市风特征的空间建模 威尔斯，宝琳娜 异戊二烯 - 苯乙烯）（SIS）共聚物定义... Yang，Chao，Ch McNeale，Donna
主要关键词
相关文件推荐
