NoFAS公司 swMATH ID: 42985 软件作者： 王，余；刘芳；Daniele E.Schiavazzi。 描述： NoFAS的变分推理：使用自适应代理规范化计算昂贵模型的流。从数据中快速推断数值模型参数是生成广泛应用的预测模型的重要前提。当每个似然估计的计算成本都很高时，使用基于抽样的方法（如马尔可夫链蒙特卡罗）可能会变得很难。将变分推理与归一化流相结合的新方法的特点是计算成本仅随潜在变量空间的维数线性增长，并且依赖于基于梯度的优化而非采样，为贝叶斯模型参数推断提供了一种更有效的方法。此外，通过用离线训练的代理模型（如神经网络）代替真实模型，可以减轻频繁评估昂贵可能性的成本。然而，当代用品在后验模态周围不够准确时，这种方法可能会产生显著的偏差。为了在不牺牲推理精度的前提下降低计算成本，我们提出了使用自适应代理规范化流（NoFAS），这是一种交替更新规范化流参数和代理模型参数的优化策略。我们还为代理模型训练提出了一种有效的样本加权方案，该方案在有效捕获高后验密度区域的同时保持了全局准确性。我们证明了NoFAS相对于各种基准的推理和计算优势，包括底层模型缺乏可识别性的情况。本研究使用的源代码和数值实验可在url上获得{https://github.com/cedricwangyu/NoFAS}. 主页： https://arxiv.org/abs/1208.12657 源代码： https://github.com/cedricwangyu/NoFAS 依赖项： 蟒蛇 关键词： 变分推理;归一化流;自适应代理建模;内存丢失功能;基于交替梯度的优化 相关软件： 制造;SUMO公司;螺母;发光;梦想;github 引用于： 1文件 标准条款 1出版物描述软件，包括1出版物以zbMATH为单位 年份 NoFAS的变分推理：使用自适应代理规范化计算昂贵模型的流。 Zbl 07568554号王，于;刘芳;Daniele E.Schiavazzi。 2022 2位作者引用 1 Daniele E.Schiavazzi。 1 王，于 连载1篇 1 计算物理杂志 在2个字段中引用 1 概率论与随机过程（60-XX） 1 数值分析（65-XX） 按年份列出的引文