一种名为预测导向(PrO)后验的新统计原理已被引入,旨在结合参数推断和密度估计的优点。该方法基于预测能力表达不确定性,理论上收敛于预测最优模型平均,并优于经典和广义贝叶斯后验预测分布。当数据生成分布无法恢复时,PrO后验会适应模型误设,稳定地趋向于一个不可约不确定性分布,而不是单一模型。已开发出一种使用平均场Langevin动力学的采样算法来实现PrO后验,数值示例验证了其现实意义。 AI
排序理由 该条目是一篇详细介绍新统计原理和算法的学术论文。[lever_c_demoted from research: ic=1 ai=0.4]
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Langevin dynamics
- Litmaps
- Predictively Oriented Posteriors
- PrO posterior
- ScienceCast
- scite Smart Citations
- Yann McLatchie
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →