研究人员开发了一种新颖的神经网络后验估计（NPE）方法，该方法可以处理具有混合离散和连续参数的模拟器。这种新方法扩展了通常假设参数为连续的NPE，以适应参数空间包含这两种类型的科学模型。该系统通过联合训练一个推理网络来实现这一点，该网络将后验分解为离散和连续分量，利用一个自回归分类器处理离散参数，并利用一个生成模型处理连续参数。该框架已在sbi Python包中提供，并在玩具示例和真实科学模拟器上展示了准确且校准良好的后验近似，并包含一个用于评估后验校准的诊断工具。 AI
影响 这项研究提高了AI在复杂科学模拟中参数推断的能力，有可能加速具有混合参数类型的领域的发现。
排序理由 arXiv上发表了一篇关于新颖神经网络后验估计方法的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
