核心概念
sbijax 是一個 Python 套件,實現了最新的神經網絡模擬推論方法,提供了高效的編程接口,使用戶能夠快速構建 SBI 估計器,並計算和可視化後驗分佈。
摘要
本文介紹了 sbijax,一個實現了最新神經網絡模擬推論方法的 Python 套件。
首先,文章回顧了神經網絡模擬推論(SBI)的四大類方法:神經似然估計(NLE)、神經後驗估計(NPE)、神經似然比估計(NRE)和近似貝葉斯計算(ABC)。對於每一類方法,文章都介紹了一個具體的算法,如流式似然估計(NLE)、流匹配後驗估計(FMPE)、對比神經比率估計(NRE)和序列蒙特卡羅 ABC(SMC-ABC)。
接下來,文章介紹了 sbijax 套件的功能和使用方法。sbijax 提供了一個面向對象的編程接口,支持快速構建 SBI 估計器,並提供了可視化後驗分佈和模型診斷的功能。文章詳細介紹了如何定義模型、選擇算法、進行訓練和推理,以及如何使用內置的可視化工具。
最後,文章還介紹了 sbijax 套件的其他功能,如序列推理、自動摘要統計計算以及內置的神經網絡和 MCMC 採樣器。
總的來說,sbijax 是一個功能強大、易於使用的 Python 套件,為從事基於模擬的推論研究的從業者提供了一個高效的工具。
統計資料
模擬資料集中包含了 10,000 個樣本,其中包含觀測值 y 和參數 θ。