XiaoMi-AI文件搜索系统
World File Search Systemalankarage
luo，zhaohui
dimuthu alankarage https://orcid.org/0000-0003-2056-2820; Annabelle Enriquez https：// orcid.org/0000-0003-4684-9889; Robert D Steiner https://orcid.org/0000-0003-4177-4590; David T Humphreys https://orcid.org/0000-0003-4140-0089; Emma L Duncan https://orcid.org/0000-0002-8143-4403; Duncan B Sparrow https://orcid.org/0000-0002-1141-6613; Philip F Giampietro https://orcid.org/0000-0003-2874-8064; Gavin Chapman https://orcid.org/0000-0002-3513-723X; Sally L Dunwoodie https://orcid.org/0000-0002-2069-7349
alankarage，di
注意：请注意，此文档可能不是记录的版本（即已发布的版本）。作者手稿版本（作为同行评审或同行评审后接受的出版物接受的子手稿版本）可以通过出现出版商品牌和/或排便中的出现来确定。如果有任何疑问，请参考已发布的来源。
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
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。
Zheng，Zhaozhi 在数字平台上观察“调谐”广告 使用算法思维设计算法 li，han，Zhu shang，jing，s 氮化硼集成锂电池 永久，budi Malik，Mohammad Ibrahim，Latif，Siddique，Jurdak，Raja和Schuller，BjörnW。（2023） Thijssen，Quin Chao-et-Al-2024-抗抗氮化物纳米管 - 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
注意：请注意，此文档可能不是记录的版本（即已发布的版本）。作者手稿版本（作为同行评审或同行评审后接受的出版物接受的子手稿版本）可以通过出现出版商品牌和/或排便中的出现来确定。如果有任何疑问，请参考已发布的来源。