MLM和ABC的保密性 swMATH编号: 43380 软件作者: David J.Warne。;托马斯·普雷斯科特。;露丝·E·贝克。;马修·辛普森。 描述: 多保真度多级蒙特卡罗加速部分观测随机过程的近似贝叶斯参数推断。随机过程模型广泛应用于几乎所有科学领域。理论验证、参数估计和预测都需要使用数据进行模型校准和统计推断。然而,数据几乎总是对现实的不完整观察。这给统计推断带来了很大的挑战,因为对于几乎所有部分观测到的随机过程,似然函数都是难以处理的。这使得许多统计方法,尤其是在贝叶斯框架内,无法实现。因此,采用了计算成本高的无似然方法,用模型和观测过程的实现来代替似然评估。然而,为了进行准确的推断,可能无需任何硬件的技术可能需要数百万昂贵的随机模拟。为了应对这一挑战,我们基于多级和多重方法的最新进展,开发了一种新的方法,用于使用部分观测到的马尔可夫过程进行参数推断。我们的新方法结合了多级蒙特卡罗伸缩求和,应用于一系列近似贝叶斯后向目标,使用多义性拒绝采样器,该采样器从计算成本低廉的模型近似中学习,以最小化精确推断所需的计算成本高昂的精确模拟的数量。我们给出了新算法的推导过程,讨论了实际的实现细节,并证明了性能的显著改进。通过使用系统生物学中的示例,我们证明了与标准拒绝抽样技术相比,改进了两个数量级以上。我们的方法通常适用于加速其他采样方案,如序贯蒙特卡罗,以使可行的贝叶斯分析在物理、化学、生物学、流行病学、生态学和经济学的实际应用中得以实现。我们提供了方法和演示的源代码实现(可在https://github.com/davidwarne/MLMCandMultifidelityForABC(在新选项卡中打开)。 主页: https://arxiv.org/abs/2110.14082 源代码: https://github.com/davidwarne/MLMC和MultifielityForABC 依赖项: Matlab语言 相关软件: 坚果;AABC公司;WBR-2019;贝叶斯DA;STOCHSIMGPU公司 引用于: 2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 多保真度多级蒙特卡罗加速部分观测随机过程的近似贝叶斯参数推断。 Zbl 07592142号大卫·J·沃恩。;托马斯·普雷斯科特。;露丝·E·贝克。;马修·辛普森。 2022 全部的 前5名7位作者引用 1 贝克,露丝·伊丽莎白 1 车一峰 1 Dhulipala,Somayajulu L.N。 1 托马斯·普雷斯科特。 1 迈克尔·D·希尔兹。 1 马修·辛普森。 1 大卫·J·沃恩。 连载1篇 2 计算物理学杂志 在3个字段中引用 2 统计学(62-XX) 2 数值分析(65-XX) 1 概率论与随机过程(60-XX) 按年份列出的引文