论文研究 近似贝叶斯计算中的局部核维数减少
近似贝叶斯计算(ABC)是在涉及难解似然函数的应用中流行的采样方法。 代替评估似然函数,ABC通过从生成模型模拟的一组可接受样本来近似后验分布。 如果样本和观测值之间的距离小于某个阈值,则接受模拟样本。 距离是根据汇总统计数据计算的。 本文提出了局部梯度核降维(LGKDR)来构造ABC的低维摘要统计量。 所提出的方法通过隐式考虑其中的所有非线性变换,来识别原始摘要统计信息的足够子空间,并且将加权核用于投影的集中。 没有对边际分布或回归模型做出强烈假设,因此无法在广泛的应用中使用。 使用简单的拒绝ABC和顺序蒙特卡洛ABC方法进行实验。 据报道,前者的结果具有竞争力,而后者的情况则要好得多,后者
暂无评论