一种高效的基于顺序神经后验估计的无似然贝叶斯推断方法
原文中文，约300字，阅读约需1分钟。发表于：。SNPE-B 是一种用于模拟为基础模型的顺序神经后验估计技术，本文提出了改进的方法，包括使用自适应校准核的集中损失函数和方差降低技术，以提高数据效率并加快学习过程。实验结果表明，我们的方法在某些任务上表现优于原始方法和其他竞争方法。
本文介绍了一种新的基于模拟的推断方法，通过Surjective Sequential Neural Likelihood（SSNL）估计生成合成数据的模拟器的模型。SSNL使用降维的满射标准化流模型作为替代似然函数，解决了先前基于似然函数的方法在高维数据集上的问题。实验结果表明，SSNL在各种实验中表现优于现代方法，例如在太阳动力学模型中建模太阳磁场强度的挑战性实例中。
