Deep Adaptive Bayesian Screening

新的DABS方法增强了高维空间中的实验筛选

研究人员开发了深度自适应贝叶斯筛选（DABS），这是一种用于在高维离散设计空间中有效选择实验的新颖方法。DABS利用学习到的策略网络顺序选择信息性实验，并整合了贝叶斯最优实验设计原理。该方法旨在处理二元设计，并通过具有强遗传性的spike-and-slab先验来考虑稀疏性和交互作用。DABS还结合了Gibbs后验推断，用于计算因子活动概率和效应大小的可信区间，在真实基准测试中显示出比现有基线更高的准确性和可扩展性。