PulseAugur
实时 11:10:01
English(EN) Mixed neural posterior estimation for simulators with discrete and continuous parameters

新方法增强了混合离散-连续模型的AI参数推断

研究人员开发了一种新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。这种方法将通常假设连续参数的NPE扩展到同时处理这两种类型的科学模型。新的推断网络联合建模离散和连续参数,在各种模拟中实现了准确且校准良好的后验近似。 AI

影响 为复杂模拟中的参数推断引入了一种新颖的技术,有可能提高科学研究中使用的模型的准确性和校准。

排序理由 详细介绍机器学习参数推断新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新方法增强了混合离散-连续模型的AI参数推断

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Daniel Gedon ·

    用于具有离散和连续参数的模拟器的混合神经后验估计

    Neural Posterior Estimation (NPE) enables rapid parameter inference for complex simulators with intractable likelihoods. NPE trains an inference network to estimate a probability density over parameters given data, typically assumed to be \emph{continuous}. However, many scientif…