具有不可测概率的观测驱动时间序列模型的近似推断

@文章{Jasra2013ApproximateIF，title={具有不可测可能性的观测驱动时间序列模型的近似推断}，author={Ajay Jasra和Nikolas Kantas以及Elena Ehrlich}，日志={ACM事务模型.Comput.Simul.}，年份={2013}，体积＝{24}，页码={13:1-13:25}，url={https://api.semanticscholar.org/CorpusID:15622412}}
开发了一种新的改进的MCMC内核，该内核基于边际算法的精确近似，其每次迭代的成本是随机的，但为了获得良好的性能，预期的成本是每次迭代的O（n2）。
ACM上的视图
[PDF]语义阅读器
13引文
极具影响力的引文
1
背景引文
5
方法引文
2
结果引文
1

本文中的数字

询问这篇论文
贝塔
AI供电

我们的系统试图限制本文中找到的信息。结果质量可能有所不同。了解更多信息关于我们如何产生这些答案。

13篇引文

状态空间模型中的近似贝叶斯计算

证明了这种基于辅助模型的方法实现了贝叶斯一致性，并且在精确的极限意义上，MLE产生的接近（渐近）充分性被分数复制。

一类时间序列模型的近似贝叶斯计算

本文回顾并发展了一类基于ABC思想的近似方法，但具体保持了原始统计模型的概率结构。

近似贝叶斯计算估计的渐近效率

提出了一种迭代重要性抽样算法，该算法将在随机波动率模型上进行实证评估，并给出了重要性抽样建议分布的条件，使得估计值的方差与基于所用汇总统计的最大似然估计值的阶数相同。

最大难处理似然估计的一种简单方法

近似贝叶斯计算（ABC）可以被视为对难以处理的可能性的解析近似，并结合基本的模拟步骤。这样的视图，结合合适的…

状态空间模型的自适应近似滤波

提出了一种新的自适应方法，该方法包括基于概率核的重要性权重评估和在线确定核尺度，结果表明，在指定模型的情况下，该算法的性能接近粒子滤波，在重尾噪声和模型错误指定的情况下，性能优于通用粒子滤波器和最先进的ABC滤波器。

近似贝叶斯计算中的多级蒙特卡罗

开发了该方法的序贯蒙特卡罗版本，并在一些假设下表明，对于给定的均方误差水平，该ABC方法的成本低于从最准确的ABC近似值进行的i.i.d.采样。

近似贝叶斯计算：近期结果综述

本文对ABC方法进行了综述，重点介绍了最近的文献，并强调了模型选择在ABC应用中的重要性，以及实施中的相关困难。

ABC方法的近似似然观点

本文从近似似然理论的角度对所有ABC方法进行了统一的回顾、一般表示和分类，阐明了ABC方法的特征、关联、组合、改进以及在未来研究中的应用。

分数阶振荡布朗运动的贝叶斯推断

研究了一类分数布朗运动驱动的随机微分方程的参数估计问题…

分数阶振荡布朗运动的贝叶斯推断

本文研究一类由H≥1/2的分数布朗运动驱动的随机微分方程的参数估计问题。documentclass[12pt]{minimal}…

30参考文献

无似然推理的期望传播

介绍了EP-ABC算法，该算法适用于称为期望传播的变分近似算法的无需任何限制的上下文，比标准算法快几个数量级，同时产生的总体近似误差通常可以忽略不计。

近似贝叶斯计算（ABC）在模型误差的假设下给出了准确的结果

在假设存在均匀可加模型误差项的情况下，当使用足够的摘要时，ABC算法会给出准确的结果，这使得人们能够理解许多以前的应用论文中所做的近似，并应指导未来工作中度量和容差的选择。

为近似贝叶斯计算构建摘要统计：半自动近似贝叶斯计算

这项工作展示了如何以半自动的方式为ABC构建适当的汇总统计数据，并表明最佳汇总统计数据是参数的后验均值。

用SMC采样器进行近似贝叶斯计算时MCMC核的选择

重点研究了序列蒙特卡罗采样器在ABC中的使用，并研究了用于驱动其性能的马尔可夫链蒙特卡罗核的选择，研究了混合特性对近似质量不如标准核敏感的核的使用。

无摘要、无似然推理的期望传播

这项工作将变分近似算法期望传播（Expectation Propagation）应用于类似的自由环境中，该算法比其他算法快几个数量级，同时产生的总体近似误差通常可以忽略不计。

近似贝叶斯计算中马尔可夫链蒙特卡罗核的方差界和几何遍历性

证明了最近引入的马尔可夫核在相当弱的条件下，可以继承其难以处理的Metropolis-Hastings核的方差有界性和几何遍历性。

具有难控制似然的隐马尔可夫模型的参数估计

本文考虑了通过最大化ABC中使用的近似似然估计参数的方法，并导出了类似于标准最大似然估计的一致性和渐近正态性的结果。

近似贝叶斯计算的自适应序贯蒙特卡罗方法

提出了一种自适应SMC算法，该算法的计算复杂度与样本数呈线性关系，并自适应地确定仿真参数，并在一个玩具示例和流行病学中的出生-死亡突变模型上进行了验证。

通过近似贝叶斯计算进行过滤

本文提出了一种ABC近似，用于在似然函数难以处理时对隐马尔可夫模型进行有偏滤波，并使用序贯蒙特卡罗算法对目标概率密度的ABC近似进行拟合和采样。

使用无偏似然估计量时马尔可夫链蒙特卡罗的有效实现

假设对数似然估计引入的加性噪声的分布是高斯分布，方差与样本数成反比，与估计时的参数值无关，考虑了一个适用于股票指数收益的随机波动率模型。