PulseAugur
实时 03:05:00
English(EN) Simulation-based Inference via Langevin Dynamics with Score Matching

新的SBI方法将分数匹配与Langevin动力学相结合

研究人员开发了一种新的模拟推断(SBI)方法,以解决统计分析中的计算挑战。该方法将分数匹配与Langevin动力学相结合,利用了对数似然函数的统计结构。该方法包括一个局部化方案,将计算集中在高后验质量区域,以及一个结构化分数网络,该网络利用了跨观测值的可加性和Fisher信息恒等式。这种新颖的技术旨在提高SBI的统计效率和计算可扩展性,在具有大样本量和中等维度参数空间的基准和复杂问题上表现出具有竞争力或更优的性能。 AI

影响 这种新的模拟推断方法可以提高机器学习中贝叶斯分析的效率和可扩展性,特别是对于具有大型数据集的复杂模型。

排序理由 该集群包含一篇详细介绍一种新颖统计方法的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的SBI方法将分数匹配与Langevin动力学相结合

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Haoyu Jiang, Yuexi Wang, Yun Yang ·

    Simulation-based Inference via Langevin Dynamics with Score Matching

    arXiv:2509.03853v3 Announce Type: replace-cross Abstract: Simulation-based inference (SBI) enables Bayesian analysis when the likelihood is intractable but model simulations are available. Recent advances in statistics and machine learning, including Approximate Bayesian Computat…