분위 회귀를 사용한 시뮬레이션 기반 추론 및 편향 보정 기법 소개
본 논문에서는 조건부 분위 회귀를 기반으로 하는 새로운 시뮬레이션 기반 추론(SBI) 방법인 신경망 분위 추정(NQE)을 제시하며, 제한된 시뮬레이션 예산 및 모델 오류 지정 문제를 해결하기 위해 사후 처리 보정 단계를 통합하여 추론 결과의 정확성을 향상시킵니다.
分量回帰を用いたシミュレーションベース推論：正確で信頼性の高い事後確率推定のための新しいアプローチ
本稿では、分量回帰に基づく新しいシミュレーションベース推論（SBI）手法であるNeural Quantile Estimation (NQE)を紹介し、従来手法に匹敵するか、それを凌駕する最先端のパフォーマンスを実現することを示します。
Neural Quantile Estimation: A Simulation-Based Inference Method Using Quantile Regression and Posterior Calibration
This paper introduces Neural Quantile Estimation (NQE), a novel Simulation-Based Inference (SBI) method that leverages quantile regression to approximate posterior distributions and employs a post-processing calibration step to ensure unbiased estimations, achieving state-of-the-art performance on benchmark problems.
SBI를 사용한 은하 목록의 최적의 해석 가능한 요약 통계 학습
본 논문에서는 시뮬레이션 기반 추론(SBI)과 자동 데이터 압축 기술을 사용하여 우주론적 매개변수 추정 맥락에서 은하 목록에 대한 최적의 요약 통계를 식별하고 기존 요약 통계와 연결할 수 있음을 보여줍니다.
Scalable Simulation-Based Inference for Implicitly Defined Models: Using a Metamodel to Improve Monte Carlo Log-Likelihood Estimation (with Limitations)
This paper proposes a scalable method for parameter inference in implicitly defined models using a metamodel for the Monte Carlo log-likelihood estimator, addressing limitations of previous methods by accounting for both statistical and simulation-based randomness.
Compositional Simulation-Based Inference for Time Series using Single-Step Transitions
This paper introduces a novel framework for simulation-based inference (SBI) that leverages the Markovian structure of many time series simulators to perform efficient parameter inference.
시뮬레이터 피드백을 통한 사후 추론을 위한 플로우 매칭: 천체물리학적 역 문제에 대한 적용 및 MCMC와의 비교
시뮬레이터 피드백을 활용한 플로우 매칭은 기존 MCMC 방법보다 훨씬 빠른 속도로 경쟁력 있는 성능을 달성하여, 특히 천문학의 강력한 중력 렌즈 시스템 모델링과 같은 복잡한 과학적 역 문제에 효과적인 접근 방식임을 입증했습니다.
Flow Matching with Simulator Feedback for Enhanced Accuracy in Simulation-Based Inference
Incorporating simulator feedback through control signals significantly improves the accuracy of flow-based models for simulation-based inference, surpassing the performance of traditional methods like MCMC while achieving faster inference times.
Simulation-Based Inference in Cosmology Using Scattering Representations for Data Compression
Scattering representations, inspired by CNNs but pre-designed and interpretable, offer a powerful and efficient method for data compression in simulation-based inference, particularly for cosmological studies using non-Gaussian random fields.
Cost-Aware Simulation-Based Inference: Reducing Computational Cost Without Sacrificing Accuracy
This paper introduces a cost-aware approach to simulation-based inference (SBI) that leverages importance sampling to reduce the computational burden of expensive simulations, particularly when the cost varies across different parameter values, without compromising the accuracy of the posterior approximation.
© 2024 by Linnk AI