.png){kind=icon}
返回
Simulation-based inference with approximately correct parameters via maximum entropy
.png){kind=icon}
OA
AI
DOI：10.1088/2632-2153/ac6286.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
从观察结果推断模拟器的输入参数是从流行病学到分子动力学应用的关键挑战。在这里，我们展示了一种在稀疏数据和近似正确模型的情况下的简单方法，这在尝试使用现有模型来推断具有观察数据的潜在变量时很常见。该方法基于最大熵 (MaxEnt) 原理，并且可证明使潜在联合分布中的最小变化适合新数据。此方法不需要似然或模型导数，并且其拟合对先验强度不敏感，从而消除了将观察到的数据拟合与先验信念进行平衡的需要。该方法需要数据符合期望的ansatz，这在一些设置中是真实的，并且在具有很少数据点的所有设置中可能是合理的。该方法基于样本重新加权，因此其渐近运行时间与先验分布维数无关。我们演示了这种MaxEnt方法，并与三个系统中的其他无似然推理方法进行了比较: 在引力场中移动的点粒子，流行病传播的隔室模型和蛋白质的分子动力学模拟。
Keyword:
simulation-based inference
maximum entropy
likelihood-free
derivative-free
期刊
M
IF:
4.6
论文数:
1.1K
被引数:
3.4K
机构
引用论文
Encephalitogenic potential of the myelin basic protein peptide (amino acids 83-99) in multiple sclerosis: Results of a phase II clinical trial with an altered peptide ligand.png)
NATURE MEDICINE
NATURE MEDICINEIF50
PREAI
分享收藏NMR structural elucidation of myelin basic protein epitope 83-99 implicated in multiple sclerosisAMINO ACIDS
AMINO ACIDSIF2.4
PREAI
分享收藏Mass Production of Systematic Reviews and Meta‐analyses: An Exercise in Mega‐silliness?系统评价和元分析的大规模生产: 大规模愚蠢的练习？
OAAI
OAAI分享收藏分享收藏
查看更多内容