新的贝叶斯推断方法改进了复杂模型的基于仿真的校准

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-01 04:00

研究人员开发了用于具有难解似然但可处理前向模拟的模型的新型模拟贝叶斯推断（SBI）方法。第一项贡献引入了一种顺序程序，使用渐进局部化、数据驱动的条件密度近似作为提议分布，最后通过重要性采样步骤校正后验分布。第二项贡献是局部模拟校准（SBC），它通过拟合和重用伪观测值之间的局部代理模型和比率估计器，以低计算成本探测比后验更广泛邻域的校准。这些方法在三个案例研究中进行了评估，包括一个流行病学应用。 AI

排序理由该集群包含一篇详细介绍新统计方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.4]

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 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍新统计方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.4]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: Standard; On-topic for AI-industry coverage; kept in the public index.
Story freshness: 7 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv stat.ML TIER_1 English(EN) · Umberto Picchini · 2026-10-01 04:00

不可处理似然函数的分摊比率估计重要性采样和局部基于仿真的校准

arXiv:2609.39712v1 Announce Type: cross Abstract: We consider simulation-based Bayesian inference (SBI) for the parameters of models with intractable likelihoods but tractable forward simulation. Building on Gaussian mixtures-of-experts surrogates, as a first contribution we deve…

本文如何被排名

报道来源 [1]

不可处理似然函数的分摊比率估计重要性采样和局部基于仿真的校准

相关实体

相关话题