逐次近似Bayes計算における情報と適応距離と要約統計【JST・京大機械翻訳】

Schaelte, Y.; Hasenauer, J.

プレプリント

J-GLOBAL ID：202202206764473142 整理番号：22P0318603

逐次近似Bayes計算における情報と適応距離と要約統計【JST・京大機械翻訳】

Informative and adaptive distances and summary statistics in sequential approximate Bayesian computation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年03月20日プレプリントサーバーでの情報更新日： 2022年03月20日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

不均一データに関する較正モデルパラメータは,挑戦的で非効率的である。これは,特に,近似Bayes計算(ABC)のような尤度フリー法に対してあり,それは,シミュレーションおよび観測データにおける関連特徴の比較に依存し,そうでなければ難治性問題に対して一般的である。この問題に取り組むために,データを標準化し,データに関するパラメータの逆回帰モデルを用いて有益な低次元要約統計量を導出するための方法を開発した。しかし,スケールを補正する手法は,部分的に情報がないデータで非効率であるが,要約統計量の使用は,情報損失につながり,採用した方法の精度に依存する。本研究では,まず,回帰ベース要約統計量と適応スケール正規化の組合せが,不均一パラメータ尺度に対して有利であることを示した。第2に,著者らは,データを変換するのではなく,データ情報量を定量化する感度重みを知らせるための回帰モデルを採用したアプローチを提示する。第3に,著者らは,非識別可能性の下で回帰モデルのための問題について議論して,目標強化を使用する解法を提示した。ここでは,様々な問題,特にロバスト性と感度重みの広い適用性に関して提示した手法の精度と効率の改善を実証した。本知見は適応アプローチの可能性を示した。開発したアルゴリズムはオープンソースPythonツールボックスpyABCで利用可能であった。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

遺伝子の構造と化学 , 分子・遺伝情報処理 , 統計的品質管理

, , ,

前のページに戻る