诽谤

基于LibBi的高性能硬件贝叶斯状态空间建模。LibBi是一个在现代计算机硬件上进行状态空间建模和贝叶斯推理的软件包,包括多核中央处理单元(cpu)、多核图形处理单元(gpu)和这些设备的分布式存储集群。该软件通过解析特定领域的语言来描述模型,然后针对给定的模型、推理方法和硬件平台优化、生成、编译和运行代码。在介绍软件时,这项工作作为一个介绍状态空间模型和专门的方法,为贝叶斯推理与他们。重点介绍了序贯蒙特卡罗(SMC)方法,如用于状态估计的粒子滤波器,以及用于参数估计的粒子马尔可夫链蒙特卡罗(PMCMC)和SMC^2方法。它们都非常适合当前的计算机硬件。文中给出并发展了两个例子,一个是人体动脉系统的线性三元windkessel模型,另一个是非线性Lorenz'96模型。这些都是用指定的建模语言指定的,LibBi通过对它们进行推理来演示。给出了实验结果,包括不同硬件配置下的软件性能比较。


zbMATH中的参考文献(参考12篇文章,1标准件)

显示第1到第12个结果,共12个。
按年份排序(引用)

  1. Jonathan Law;Wilkinson,Darren J.:流数据在线贝叶斯分析的可组合模型(2018)
  2. jecker Nordh:pyParticleEst:pyParticleEst:基于粒子的估计方法的Python框架(2017)不是zbMATH
  3. Mingas,Grigorios;Bottolo,Leonardo;Bouganis,Christos Savvas:加速状态空间模型中推理的粒子MCMC算法和体系结构(2017)
  4. Nicholas Michaud,Perry de Valpine,Daniel Turek,Christopher J.Paciorek:敏捷R包中的序贯蒙特卡罗方法(2017)阿尔十四
  5. Picchini,Umberto;Forman,Julie Lyng:使用近似贝叶斯计算加速对测量误差和大样本量观测扩散的推断(2016)
  6. 皮埃尔·德尔莫勒尔(Del Moral);劳伦斯·M.默里(Murray),劳伦斯·M.:序列蒙特卡罗(Monte Carlo)和高信息量观测(2015)
  7. Jacob,Pierre E.:隐式隐马尔可夫模型的序贯贝叶斯推断和当前局限性(2015)
  8. Jacob,Pierre E.;Murray,Lawrence M.;Rubenthaler,Sylvain:粒子过滤器中的路径存储(2015)
  9. 用于粒子滤波的danieldtlo,和daritetlo-vecodes;和daniterlo-kkered,2015;parallel
  10. Targino,Rodrigo S.;Peters,Gareth W.;Shevchenko,Pavel V.:copula相关风险模型下资本配置的序贯蒙特卡罗抽样法(2015年)
  11. Adrien Todeschini,Francois Caron,Marc Fuentes,Pierrick Legrand,Pierre Del Moral:Biips:交互粒子系统的贝叶斯推理软件(2014)阿尔十四
  12. Lawrence M.Murray:使用LibBi对高性能硬件进行贝叶斯状态空间建模(2013)阿尔十四