BriefGPT - AI 论文速递
·
基于分位数回归的模拟推断
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
我们提出了一种基于神经量位估计的新型推断方法，通过条件分位数回归学习每个后验维度的一维分位数。该方法处理尾部行为和多峰分布，并提出了更快的贝叶斯置信区间定义。在受限的模拟预算和已知的模型误设情况下，可以将后处理扩大步骤集成到方法中，以确保后验估计的无偏性。该方法在各种基准问题上实现了最先进的性能。
🎯
关键要点
-
提出了一种基于神经量位估计（NQE）的新型基于模拟的推断（SBI）方法。
-
该方法基于条件分位数回归，为每个后验维度单独学习一维分位数。
-
使用单调立方 Hermite 样条通过插值预测分位数，特别处理尾部行为和多峰分布。
-
引入基于局部累积密度函数（CDF）的贝叶斯置信区间的替代定义，评估速度更快。
-
在受限的模拟预算和已知的模型误设情况下，集成后处理扩大步骤以确保后验估计的无偏性。
-
所提出的 NQE 方法在各种基准问题上实现了最先进的性能。
➡️
