可能性理論による複雑モデルにおけるロバストなBayes推定【JST・京大機械翻訳】

Houssineau Jeremie; Nott David J.

プレプリント

J-GLOBAL ID：202202209000160696 整理番号：22P0332199

可能性理論による複雑モデルにおけるロバストなBayes推定【JST・京大機械翻訳】

Robust Bayesian inference in complex models with possibility theory

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04月14日プレプリントサーバーでの情報更新日： 2022年04月14日
JST資料番号： O7000B 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)

異常値が存在する複雑な設定におけるロバストBayes推定問題に対する一般的解決策を提案した。実際に,ロバストBayes解析の自動化は,大規模で複雑なデータセットを含む多くの応用で重要である。提案した解決策は,可能性理論に基づくBayes推論の再定式化に依存し,この文脈において,データの限界尤度は,モデル適応度よりも事前と尤度間の一貫性を評価する。提案アプローチは,その最も単純な形式で付加的パラメータを必要とせず,非ロバスト解と比較して計算の複雑さに限定的な影響を与える。この解の普遍性を,行列推定と変化点検出を含むシミュレーションおよび実データへの適用により実証した。【JST・京大機械翻訳】

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

ニューロコンピュータ , 人工知能 , 統計学 , システム・制御理論一般 , 信号理論

, , ,

前のページに戻る