• 语料库ID:231857215

使用自适应求积实现近似贝叶斯推断：aghq包

@正在进行{Stringer2021实施AB，title={使用自适应求积实现近似贝叶斯推断：aghq包}，作者＝{Alex Stringer}，年份={2021}，url={https://api.semanticscholar.org/CorpusID:231857215}}
介绍了使用自动微分和拉普拉斯近似的自适应求积实现近似贝叶斯推断的aghq包，并说明了该包在几个具有挑战性的低维和高维模型中进行近似贝叶斯推断的用途。
[PDF]语义阅读器
5引文
方法引文
5

本文图表

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。

5引文

空间极值模型的快速可扩展推理

本文回顾了空间GEV模型的原始拉普拉斯近似，并结合一种流行的稀疏诱导空间协方差近似技术，表明该方法能够准确估计极端天气事件的贝叶斯预测分布，可扩展到数千个空间位置，比MCMC快几个数量级。

空间极值模型的快速近似推断

本文提出了一种基于拉普拉斯近似的空间GEV模型快速贝叶斯推理方法，并将该方法的速度和精度与MCMC和更复杂但不太灵活的贝叶斯近似进行了比较。

基于模型的集成Wiener过程和重叠样条平滑

提出了一种替代的有限元近似方法，称为重叠样条（O样条），该方法通过选择测试函数直接寻求计算可行性，并反映了IWP的构造，因为Ospline是这些相同测试函数的多次积分的结果。

基于季节高斯过程的准周期数据高效建模

结果表明，对于等间距位置，精确的sGP可以使用其状态空间表示在$O（n）$时间内有效地拟合，并且证明了所提出的近似随着基函数数量的增加而在分布上收敛于真实的sGP，并通过数值研究表明其优越的逼近性能。

用于构建可扩展心理测量应用程序的数字配方集合

选择了计算心理测量学家应该熟悉的一组核心数值方法，并考虑了用于处理相关数据的白化变换、线性模型的计算概念、多变量积分和优化技术。

44参考文献

ADMB和TMB中用于快速贝叶斯推断的无回采样：介绍adnuts和tmbstan R包

介绍了R包adnuts和tmbstan，它们提供了与ShinyStan并行的NUTS采样和交互式诊断，并且adnuts提供了一种新的方法来估计以前不可行的分层ADMB模型。

流行图：流行图的R包

介绍了一种新的R包PrevMap，用于分析空间参考流行率数据，包括基于两种不同方法的经典最大似然法和贝叶斯参数估计方法以及插件或贝叶斯预测方法。

基于集成嵌套拉普拉斯近似的隐高斯模型近似贝叶斯推断

这项工作考虑了结构加性回归模型的一个流行子集——潜在高斯模型中的近似贝叶斯推断，其中潜在场是高斯的，由几个超参数控制，具有非高斯响应变量，可以直接计算非常精确的后边缘近似值。

使用lme4拟合线性混合效应模型

线性混合效应模型中参数的最大似然或限制最大似然（REML）估计可以使用lme4包中的lmer函数来确定…

贝叶斯推断中自适应求积的随机收敛速度及其应用

给出了用于归一化贝叶斯模型后验分布的一系列自适应求积规则的第一个随机收敛速度，保证了实际使用的近似汇总统计量的快速渐近收敛。

TMB：自动微分和拉普拉斯近似

TMB是一个开源的R包，能够以类似于已建立的AD模型生成器包的方式快速实现复杂的非线性随机效应（潜在变量）模型，并且被设计为快速处理具有许多随机效应和参数的问题。

基于R-INLA的贝叶斯空间建模

描述了R的RINLA软件包中连续域空间模型接口背后的原理。Rue提出的集成嵌套拉普拉斯近似（INLA）方法，…

扩展隐高斯模型中后验分布的快速可缩放逼近

为一类新的加性模型，即扩展潜在高斯模型，开发了一种快速、可扩展的近似贝叶斯推理方法，该模型允许广泛的响应分布以及加性预测器和平均响应之间的灵活关系。

案例交叉模型的近似贝叶斯推断

针对具有线性和半参数效应的病例交叉模型，开发了一个灵活且可扩展的建模框架，该框架保留了INLA的灵活性和计算优势，并应用于量化印度死亡率和极端温度之间的非线性关联。

最大平滑：隐高斯模型中近似贝叶斯推断的两步方法

针对一类潜在高斯模型（LGM），引入了一种近似贝叶斯推理方案Max-and-Sooth，其中一个或多个似然参数由潜在加性高斯过程建模。