BriefGPT - AI 论文速递
·
基于有理多项式混沌扩展的贝叶斯优化的线性结构动力学模型的最大后验估计
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种新的高维统计推断方法perturb-max，通过随机扰动和优化注入随机性到最大后验预测器中，产生无偏样本。同时，在低维扰动情况下提高采样效率。还证明了perturb-max值的期望和最大扰动值之和是模型熵的上界，并通过测量结果使得采样平均值与期望值的偏差以样本数量的指数衰减，有效近似期望。
🎯
关键要点
- 提出了一种新的高维统计推断方法，称为 perturb-max。
- 通过随机扰动和优化注入随机性到最大后验预测器中，产生无偏样本。
- 在低维扰动情况下提高采样效率。
- 证明了 perturb-max 值的期望和最大扰动值之和是模型熵的上界。
- 通过测量结果使得采样平均值与期望值的偏差以样本数量的指数衰减，有效近似期望。
➡️
