כתבה
arXiv cs.LG ·
תזכורת על הערכת הסבירות והסיקור למודלי התחקיר המורכבים באמצעות רצף של זרימות נורמליות שהוספו
A perspective note on likelihood approximation and inference for complex simulation models using a chain of aggregated normalizing flows
אנו מציגים תזכורת חדשה על הערכת הסבירות למודלי התחקיר המורכבים, המאפשרת תיאור סקלאבלי ושליטה של רוטינות התחקיר, וכן חקירה יעילה של המרחב הפרמטרי. המאמר עוסק בשיטת זרימות נורמליות שהוספו, המאפשרת תיאור סקלאבלי של הסבירות, וכן חקירה יעילה של המרחב הפרמטרי.
תקציר מקורי באנגליתarXiv:2610.07391v1 Announce Type: cross Abstract: We present a new perspective on the problem of likelihood approximation within the framework of simulation-based inference that promotes scalable and controllable simulation routines for large-scale data analysis, allows efficient parameter space exploration or smooth interpolation in high-dimensions and, thus, supports valid statistical treatments of hypothesis testings as well as uncertainty quantification. In particular, we consider a chain of $n$-aggregated normalizing flows for likelihood approximation scheme, where a set of upfront replicated observation datasets from the forward complex simulation model pass through the first set of bijective transformations, and then subsequently pass to the other sets of bijective transformations.
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית