研究人员开发了用于基于代理的模型(ABM)的贝叶斯推断的新方法,ABM常用于经济学和社会科学领域。第一篇论文介绍了一个名为顺序神经后验估计测试时间训练(SNPE-TTT)的框架,该框架可以适应预训练的神经后验估计器以适应具有有限模拟的新任务。第二篇论文提出了双流神经后验估计(DF-NPE),它使用学习到的时间序列摘要和两个条件归一化流,显著减少了训练所需的直接模拟数量,与标准方法相比,实现了更低的后验差异和运行时间。 AI
影响 神经后验估计的这些进展可以通过使复杂的基于代理的模型在参数推断方面更具计算可行性,从而加速经济学和社会科学领域的研究和应用。
排序理由 arXiv上发表了两篇研究论文,详细介绍了基于代理模型中神经后验估计的新方法。
在 arXiv cs.MA (Multiagent) 阅读 →
- agent-based model
- arXiv
- Bayesian inference
- Brock-Hommes asset-pricing model
- DF-NPE
- Double-Flow Neural Posterior Estimation
- Junqi (Billy) Tang
- economics
- Neural Posterior Estimation
- Normalizing Flows
- sequential neural posterior estimation test-time training
- social science
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →