坎达萨米；杰夫·施耐德；Póczos，巴纳巴斯 通过贝叶斯主动学习查询科学实验中的有效后验估计。 （英语） Zbl 1402.62044号 Artif公司。智力。 243, 45-56 (2017). 小结：天体统计学等应用统计学研究领域的一个常见问题是估计相关参数的后验分布。通常，这种模型的可能性是通过昂贵的实验来计算的，例如宇宙的宇宙学模拟。这些研究领域的一个紧迫挑战是开发能够在几乎没有似然评估的情况下估计后验的方法。在本文中，我们研究了在贝叶斯环境下，当估计似然的代价很高时的主动后验估计。现有的后验估计技术是基于生成代表后验的样本。这种方法不考虑可能性评估的效率。为了提高查询效率，我们在一个主动回归框架中处理后验估计。我们提出了两种短视的查询策略来选择评估似然的位置，并使用高斯过程实现它们。通过对一系列合成和实际示例的实验，我们证明了我们的方法比现有的后验估计技术和其他启发式方法具有更高的查询效率。 引用于6文件 MSC公司： 2015年1月62日 贝叶斯推断 第62页，第35页 统计学在物理学中的应用 68T05型 人工智能中的学习和自适应系统 关键词：后验估计；主动学习；高斯过程 软件：主持人 PDF格式BibTeX公司 XML格式引用 \textit{K.Kandasamy}等人，Artif。智力。243、45-56（2017；Zbl 1402.62044） 全文： 内政部 arXiv公司 参考文献： [1] 瑞安·普雷斯科特·亚当斯（Ryan Prescott Adams）；伊恩·默里（Iain Murray）；麦凯，大卫·J.C.，《高斯过程密度采样器》（NIPS（2008）） [3] Bryan，Brent；杰夫•施耐德；罗伯特·尼科尔（Robert Nichol）；克里斯托弗·米勒（Christopher Miller）；基诺维塞，克里斯托弗；Wasserman，Larry，用于识别函数阈值边界的主动学习，（《神经信息处理系统进展》（2006），麻省理工学院出版社：麻省理工学院出版社，马萨诸塞州剑桥） [4] 鲁伊·卡斯特罗；丽贝卡·威利特；Nowak，Robert，《通过主动学习加快回归速度》（NIPS（2005）） [5] Davis，T.M.，使用ESSENCE超新星数据和其他宇宙探测器Astrophys仔细研究外来宇宙模型。J.，716-725（2007） [7] Fukumizu，Kenji；宋乐；Gretton，Arthur，Kernel Bayes规则：具有正定核的Bayes推理，J.Mach。学习。研究（2014）·Zbl 1318.62131号 [8] 阿尔基斯戈托沃斯；Nathalie Casati；格雷戈里·希茨（Gregory Hitz）；安德烈亚斯·克劳斯（Andreas Krause），水平集估计的主动学习，（第23届国际人工智能联合会议论文集。第23届人工智能联合大会论文集，2013年8月3日至9日，中国北京（2013）） [9] 拉什洛·Györfi；迈克尔·科勒；亚当·克日扎克（Adam Krzyzak）；Walk，Harro，非参数回归的无分布理论，统计学中的Springer级数（2002）·Zbl 1021.62024号 [10] 柯蒂瓦桑·坎达萨米；杰夫•施耐德；Póczos，Barnabás，Bayesian active learning for posteral estimation，（国际人工智能联合会议（2015））·Zbl 1402.62044号 [11] 柯蒂瓦桑·坎达萨米；杰夫•施耐德；Póczos，Barnabás，通过加性模型进行高维贝叶斯优化和强盗，（机器学习国际会议（2015））·Zbl 1402.62044号 [12] 安德烈亚斯·克劳斯；阿吉特·辛格；Guestrin，Carlos，《高斯过程中的近最优传感器布置：理论、高效算法和实证研究》，J.Mach。学习。研究（2008）·Zbl 1225.68192号 [13] 大卫·兰道（David Landau）；Kurt Binder，《统计物理蒙特卡罗模拟指南》（2005），剑桥大学出版社·Zbl 1086.82001年 [14] Liu，Jun S.，科学计算中的蒙特卡罗策略（2001），Springer·Zbl 0991.65001号 [15] 马一飞；罗马·加内特；Schneider，Jeff，通过贝叶斯求积进行活动区域搜索（人工智能和统计国际会议（2014）） [16] 麦凯，大卫·J·C，《信息理论、推理和学习算法》（2003），剑桥大学出版社·Zbl 1055.94001号 [17] 让-米歇尔马林；皮埃尔·普德洛；克里斯蒂安·罗伯特（Christian P.Robert）。；Ryder，Robin J.，近似贝叶斯计算方法，统计计算。（2012年）·兹比尔1252.62022 [18] 保罗·马约兰；约翰·莫里托（John Molitor）；文森特·普拉诺尔（Vincent Plagnol）；Tavaré，Simon，《没有可能性的马尔可夫链蒙特卡洛》，Proc。国家。阿卡德。科学。美国（2003年） [19] Mockus，J.B。；Mockus，L.J.，贝叶斯全局优化方法及其在多目标和约束问题中的应用，J.Optim。理论应用。(1991) ·兹比尔074690063 [20] 奥斯本，M。；Duvenaud，D。；加内特，R。；拉斯穆森，C。；罗伯茨，S。；Ghahramani，Z.，使用贝叶斯求积主动学习模型证据，（神经信息处理系统（2012）） [21] 戴维·帕金森；皮亚·穆克吉；Andrew R.Liddle，《WMAP3的贝叶斯模型选择分析》，Phys。D版，第部分。Fields，73，第123523条，pp.（2006） [22] Peters，Gareth W。；范，Y。；Sisson，Scott A.，《序贯蒙特卡罗，部分拒绝控制和近似贝叶斯计算》，统计计算。（2012年）·Zbl 1252.65022号 [23] 拉斯穆森，C.E。；Williams，C.K.I.，《机器学习的高斯过程、自适应计算和机器学习系列》（2006），大学出版社·Zbl 1177.68165号 [24] 克里斯蒂安·罗伯特（Christian P.Robert）。；乔治·卡塞拉（George Casella），《蒙特卡洛统计方法》（Monte Carlo Statistical Methods），《统计学中的斯普林格文本》（Springer Texts in Statistics）（2005），斯普林格-弗拉格纽约公司·兹比尔1096.62003 [25] Seo、Sambu；马可·瓦拉特；格雷佩尔，托尔；Obermayer，Klaus，《高斯过程回归：主动数据选择和测试点拒绝》（神经网络国际联合会议（2000年）） [26] Settles，Burr，《主动学习文献调查》（2010），威斯康星大学麦迪逊分校，技术报告·Zbl 1270.68006号 [27] John Skilling，《一般贝叶斯计算的嵌套抽样》，贝叶斯分析。(2006) ·Zbl 1332.62374号 [28] 尼兰詹·斯里尼瓦斯（Niranjan Srinivas）；安德烈亚斯·克劳斯；卡卡德，沙姆；Seeger，Matthias，《强盗背景下的高斯过程优化：无悔和实验设计》（机器学习国际会议（2010））·Zbl 1365.94131号 [29] Tegmark，M.，来自SDSS亮红色星系的宇宙学约束，Phys。修订版（2006年12月） [30] 王子玉；马萨鲁·佐吉；弗兰克·赫特（Frank Hutter）；戴维·马西森（David Matheson）；de Freitas，Nando，通过随机嵌入实现高维贝叶斯优化（国际人工智能联合会议（2013））·Zbl 1358.90089号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。