Core Concepts
정수 상태 공간에 정의된 확률 과정에 대한 모수 추론을 위해 신경망 기반 우도 근사 모델을 제안한다.
Abstract
이 논문에서는 정수 값 시계열 데이터에 대한 신경망 기반 우도 근사 모델을 제안한다. 이러한 모델은 물리학 및 생물학 분야에서 널리 사용되는데, 개체 수가 작은 시스템의 역학을 포착하고 확률적 효과를 고려하기 위해 필요하다.
모수 추론은 우도 함수의 계산이 어렵다는 문제로 인해 어려운데, 현재의 시뮬레이션 기반 추론 방법은 데이터에 조건화된 모델 실현을 생성해야 하므로 구현이 까다롭고 계산이 비싸다.
이 논문에서는 대신 무조건적 모델 시뮬레이션을 사용하여 훈련할 수 있는 신경망 우도 근사 모델을 제안한다. 생태학 및 전염병학 모델에 대한 실험을 통해 제안 방법이 정확한 사후 분포를 근사할 수 있으며, 현재 최선의 방법에 비해 상당한 계산 속도 향상을 달성할 수 있음을 보여준다.
Stats
개체 수가 작은 시스템의 역학을 포착하고 확률적 효과를 고려하기 위해 정수 상태 공간에 정의된 확률 과정이 널리 사용된다.
모수 추론은 우도 함수의 계산이 어렵다는 문제로 인해 어렵다.
현재의 시뮬레이션 기반 추론 방법은 데이터에 조건화된 모델 실현을 생성해야 하므로 구현이 까다롭고 계산이 비싸다.
Quotes
"정수 값 상태 공간에 정의된 확률 과정은 물리학 및 생물학 분야에서 널리 사용된다."
"모수 추론은 우도 함수의 계산이 어렵다는 문제로 인해 어렵다."
"현재의 시뮬레이션 기반 추론 방법은 데이터에 조건화된 모델 실현을 생성해야 하므로 구현이 까다롭고 계산이 비싸다."