大卫·沃恩&马修·辛普森(2019)通过预处理近似连续极限描述加速随机模型的贝叶斯推断。在昆士兰ANZIAM会议(2019年QANZIAM), 2019-06-04 - 2019-06-04. (未发布)
生态和生物科学依赖于相互作用个体的种群特征。随机行走是模拟个体运动、成长和死亡的随机性的标准。由于随机模拟的计算繁重,通常采用平均场假设来推导此类随机模型的近似连续极限描述。贝叶斯参数推断对于随机行走来说尤其禁止,因为需要昂贵的无需类似hood的方法。相反,近似连续极限描述产生了闭合形式的可能性。然而,对于平均场近似不准确的参数区域,统计推断是有偏差的。我们建议,尽管存在这种偏差,仍然可以利用近似连续极限来加速昂贵随机行走模型的贝叶斯推断。具体来说,我们扩展了序列蒙特卡罗抽样算法用于近似贝叶斯计算。我们的方法使用来自连续极限后验的样本作为预差,以告知随机行走模型从目标后验的有效采样。结果表明,所得到的方法能够有效地减少昂贵的随机模拟次数,同时保持参数和不确定性估计的准确性。
影响和利益:
引文计数 每月从Scopus公司和科学网®引文数据库。
这些数据库包含来自可用出版物不同子集和不同时间段的引文,因此每个数据库的引文计数通常不同。一些作品不在任何一个数据库中,并且没有显示计数。Scopus包括1996年以后发表的文章的引文,以及1980年以后的Web of Science®。
引文计数来自谷歌学者™索引服务可以在链接的Google Scholar™搜索中查看。
全文下载:
全文下载显示此作品文件的总次数(例如PDF格式)已从QUT电子打印下载,以及前365天的下载次数。如果一个作品有多个文件,则该计数包括所有文件的下载。
导出: 尾注|都柏林核心元数据集|BibTeX公司
仅仓库员工:项目控制页