A regional Bayesian POT model for flood frequency analysis
洪水频率分析通常基于极值分布对当地径流序列的拟合。然而，当局部数据序列较短时，频率分析结果变得不可靠。区域频率分析是降低估计不确定性的一种简便方法。在这项工作中，我们提出了一个区域贝叶斯模型的短记录长度的网站。该模型比指数洪水模型的限制性更小，同时保留了“均匀区域”的形式主义。所提出的模型的性能进行评估，在法国的一组计量站。分位数估计的准确性作为合并组的同质性程度的函数也进行了分析。结果表明，区域贝叶斯模型优于指数洪水模型和局部估计。此外，似乎与较小且高度均匀的区域相比，使用相对较大且均匀的区域可能会导致更准确的结果。
2008-02-04 stat.AP
Bayesian stochastic volatility models for high-frequency data
我们制定了一个离散时间贝叶斯随机波动模型的高频股票市场数据，直接占微观结构噪声，并概述了马尔可夫链蒙特卡罗算法的参数估计。本文中描述的方法被设计为在所有采样时间尺度上是一致的，其目标是从在任意短的采样周期收集的数据中估计潜在的对数波动率信号。为了实现这一目标，我们仔细地开发了一种方法来引出先验知识。来自模拟和真实数据的实证结果表明，直接占微观结构的状态空间制定允许良好校准的估计的对数波动率过程驱动的价格。
2016-01-31 stat.AP stat.ME
Testing for Causality in Continuous Time Bayesian Network Models of High-Frequency Data
连续时间贝叶斯网络的研究，特别关注其表达因果关系的能力。一个框架，在这些网络中进行推理。中心贡献是网络的强度矩阵的表示和因果关系度量的引入。提出了一种新的高频金融数据模型。它是根据市场数据进行校准的，通过新的因果关系衡量，它比旧模型表现得更好。
2016-01-25 q-fin.TR stat.ML
A smoothed-Bayesian approach to frequency recovery from sketched data
本文提出一种平滑贝叶斯方法，在频率学派框架下从随机哈希草图中恢复符号频率，克服了贝叶斯非参数方法的计算瓶颈，并通过多视图学习扩展至多哈希函数场景，在合成与真实数据上验证了其无偏性、最优性及计算效率。
2025-04-10 cs.DS cs.IR math.ST
A non-parametric Bayesian approach to decompounding from high frequency data
给定一个离散观测的复合泊松过程的样本，我们考虑其跳跃大小的密度$f_0$的非参数估计，以及它的强度$λ_0.$的非参数估计。我们采用贝叶斯方法来解决这个问题，并指定$f_0$的先验为正态密度的Dirichlet位置混合。假设$λ_0$的一个独立先验是紧支撑的，并且相对于Lebesgue测度具有正密度。我们表明，在适当的假设下，后验合同对$(λ_0,f_0)$在本质上（对数因子）的$\sqrt{nΔ}$率，其中$n$是观察的数量和$Δ$是网格大小的过程中进行采样。重点是高频数据，$Δ\to 0$，但所获得的结果也适用于固定的$Δ$。在这两种情况下，我们假设$nΔ\rightarrow\infty$。我们的主要结果意味着存在以相同速率收敛（在频率论意义上，在概率上）到$(λ_0,f_0)$的贝叶斯点估计。我们还讨论了我们的方法的实际实施。计算问题的处理包括辅助变量，我们开发了一个马尔可夫链蒙特卡罗算法，样本从联合分布的未知参数的混合密度和引入的辅助变量。数值例子说明了这种方法的可行性。
2016-05-31 math.ST stat.TH
Bayesian modeling and forecasting of 24-hour high-frequency volatility: A case study of the financial crisis
本文估计模型的高频指数期货回报率使用“全天候”5分钟的回报，包括以下主要特征：多个持续的随机波动性因素，跳跃的价格和波动，季节性成分捕捉时间的一天的模式，回报和波动冲击之间的相关性，和公告效应。我们开发了一个综合的MCMC方法来估计日间和日内的参数和状态，使用高频数据，而不诉诸各种聚合措施，如已实现的波动。我们提供了一个案例研究，使用金融危机的数据从2007年到2009年，并使用粒子滤波器构建似然函数的模型比较和样本外预测从2009年到2012年。我们表明，我们的方法提高了已实现的波动率预测高达50%，超过现有的基准。
2014-01-22 stat.AP
Bayesian Multi--Dipole Modeling in the Frequency Domain
背景资料：脑磁图和脑电描记术以高的时间频率和良好的空间分辨率记录神经电流产生的电磁场，因此非常适合在时域和频域中进行源定位。特别是，本地化的神经振荡的发电机是非常重要的认知过程中的健康和病理大脑的研究。新方法：我们介绍了在频域中使用贝叶斯多偶极子定位方法。给定一个或多个频率和/或试验的数据的傅立叶变换，该算法用蒙特卡罗技术在数值上近似后验分布。结果如下：我们使用的合成数据表明，该方法在广泛的实验条件下表现良好，包括低信噪比和相关源。我们使用偶极子簇来模拟扩展源的效果。此外，我们在真实的脑磁图数据上测试了该算法，以证实其可行性。与现有方法的比较：在整个研究中，DICS（相干源动态成像）被系统地用作基准。这两种方法提供了类似的一般图片;贝叶斯方法的后验分布包含更丰富的信息，但代价是更高的计算成本。结论：本文所描述的贝叶斯方法是一种可靠的方法定位多偶极子在频域。
2018-12-13 q-bio.QM stat.AP stat.ME
Random measure priors in Bayesian recovery from sketches
本文提出了一种基于Poisson-Kingman先验的贝叶斯非参数方法，用于从随机哈希草图中恢复符号频率和基数，并扩展至多符号关联的特征设置。
2024-06-04 math.ST stat.ME stat.TH
Bayesian Mixed-Frequency Quantile Vector Autoregression: Eliciting tail risks of Monthly US GDP
及时描述经济和金融体系中的风险在经济政策和私营部门的决策中发挥着至关重要的作用。然而，低频变量的信息含量和条件均值模型的结果只提供了有限的证据来研究这个问题。我们提出了一种新的混合频率分位数向量自回归（MF-QVAR）模型来解决这个问题。受单变量贝叶斯分位数回归文献的启发，在贝叶斯框架下利用多变量非对称拉普拉斯分布来形成似然。一个数据增强的方法，加上一个精确的采样器有效地估计丢失的低频变量在较高的频率下的状态空间表示。所提出的方法使我们能够预测多个感兴趣的变量的条件分位数，并获得高频率的分位数相关的风险措施，从而使及时的政策干预。该模型的主要应用是预测美国GDP的条件分位数，这与风险价值和预期短缺的量化密切相关。
2022-09-05 econ.EM stat.ME
Bayesian CART models for insurance claims frequency
University of Leeds（利兹大学）
本文提出贝叶斯CART模型用于保险索赔频率建模，扩展至零膨胀泊松分布以处理数据不平衡，并通过MCMC算法和DIC进行树探索与模型选择，提升风险分类能力。
2023-12-01 cs.LG q-fin.ST stat.AP
When words collide: Bayesian meta-analyses of distractor and target properties in the picture-word interference paradigm
在图片-单词干扰范式中，参与者命名图片，而忽略了书面或口头干扰词。由于干扰词的存在，图片的重复时间变慢了。干扰物的各种属性调节这种减慢，例如，频繁与不频繁的干扰物的命名时间更短。基于这一研究思路，本研究更详细地探讨了干扰词和目标词属性对图片命名时间的影响。我们报告了基于35个数据集的几个贝叶斯荟萃分析的结果。第一个分析的目的是获得一个估计的干扰频率效应的大小，其精度，在典型的图片-文字干扰实验中，这个变量是不操纵。分析表明，对数频率增加一个单位会导致对图片的响应时间减少约4 ms（95%可信区间：[-6，-2]）。与第二和第三次分析，我们表明，占频率的影响后，两个变量已知的影响视觉文字处理任务中的处理时间也影响图片命名时间：分心物长度和正字法附近。最后，我们发现干扰词词频和目标词词频之间存在交互作用，干扰词词频的影响随着目标词词频的增加而减弱。我们讨论了这些发现的理论和方法的影响，以及获得高精度的实验效果估计的重要性。
2023-03-16 q-bio.NC stat.AP
A Bayesian Hidden Semi-Markov Model with Covariate-Dependent State Duration Parameters for High-Frequency Environmental Data
在高频率下观测到的环境时间序列数据可以用隐马尔可夫和半马尔可夫模型（HMM和HSMM）等方法进行研究。HSMM通过显式地对每个状态所花费的时间进行建模来扩展HMM。在离散时间HSMM中，每个状态的持续时间可以用零截断泊松分布来建模，其中持续时间参数可以是状态特定的但在时间上是恒定的。我们通过允许特定于状态的持续时间参数随时间变化来扩展HSMM，并将其建模为在一段时间内观察到的已知协变量的函数，从而导致状态转换。此外，我们提出了一种数据子采样方法，高频数据可能会违反HSMM的条件独立性假设。我们将该模型应用于门多塔湖的仪器浮标收集的高频数据。我们模拟的藻蓝蛋白浓度，这是在水生系统中使用的估计蓝绿藻的相对丰度，并确定重要的随时间变化的影响与每个国家的持续时间。
2021-09-21 stat.AP
Bayesian Probabilistic Matrix Factorization: A User Frequency Analysis
矩阵分解（MF）已经成为一种常见的方法，协同过滤，由于易于实现和可扩展性的大数据集。基本模型的两个现有缺点是，它没有包含关于用户或项目的辅助信息，并假设所有用户都有共同的差异。我们通过导出项的侧特征向量的吉布斯更新来扩展约束概率矩阵分解的工作（Salakhutdinov和Minh，2008）。我们表明，这种贝叶斯处理的约束PMF模型优于简单的MAP估计。我们还考虑了文献中引入的异方差精度的扩展（Lakshminarayanan，Bouchard和Archambeau，2011）。我们表明，这往往会导致过拟合的确定性近似算法（例如：变分推断）时，观察到的条目在用户/项目矩阵分布在一个非均匀的方式。鉴于此，我们提出了一个截断精度模型。我们的实验结果表明，该模型倾向于延迟过拟合。
2014-07-29 stat.ML
A Bayesian Search for the Higgs Particle
本文研究了寻找希格斯玻色子的统计过程。提出了一种贝叶斯分层模型，该模型使用理论提供的信息来分析粒子探测器产生的数据。此外，我们开发了一个贝叶斯决策过程，结合了两个步骤的当前方法（发现和排除）成一个，可以校准，以满足频率理论的错误率要求。.
2016-05-09 stat.AP
Frequency Selection in Bayesian Spectral Modeling of Time Series Data with Applications to Wearable Device Measurements
University of South Carolina（南卡罗来纳大学）；Rice University（莱斯大学）；Baylor College of Medicine（贝勒医学院）
针对时间序列数据频谱分析，提出贝叶斯尖峰平板框架，结合频率选择与降维，通过随机搜索算法探索后验空间，扩展到多元信号。模拟及实际数据应用表明该方法在频率估计等方面性能优越，适用性广。
2026-07-17 stat.ME
A Bayesian Hidden Semi-Markov Model with Covariate-Dependent State Duration Parameters for High-Frequency Data from Wearable Devices
可穿戴设备在运动中收集的数据提供了有关运动员行为的有价值的信息，例如他们的活动，表现和能力。这些时间序列数据可以用诸如隐马尔可夫和半马尔可夫模型（HMM和HSMM）的方法来研究，用于各种目的，包括活动识别和事件检测。HSMM通过显式地对每个状态所花费的时间进行建模来扩展HMM。在离散时间HSMM中，每个状态的持续时间可以用零截断泊松分布来建模，其中持续时间参数可以是状态特定的但在时间上是恒定的。我们通过允许状态特定的持续时间参数随时间变化来扩展HSMM，并将其建模为从可穿戴设备导出的已知协变量的函数，并在一段时间内观察到状态转换。此外，我们提出了一种数据子采样方法，因为来自可穿戴设备的高频数据可能违反HSMM的条件独立性假设。我们将该模型应用于可穿戴设备上收集的数据在美国职业足球大联盟比赛的足球裁判。我们模拟裁判的生理反应的游戏要求，并确定重要的随时间变化的影响，这些需求与持续时间在每个国家。
2020-10-21 stat.AP
Mixed Variable Bayesian Optimization with Frequency Modulated Kernels
University of Amsterdam（阿姆斯特丹大学）；Qualcomm AI Research（高通人工智能研究院）
高斯过程（GP）代理模型可以提高贝叶斯优化（BO）的抽样效率。然而，在混合变量空间中，代理模型而不是GP是普遍的，主要是由于缺乏内核，可以跨不同类型的变量建模复杂的依赖关系。在本文中，我们提出了频率调制（FM）内核灵活地建模不同类型的变量之间的依赖关系，使BO可以享受进一步提高的采样效率。FM内核使用连续变量上的距离来调制从离散变量导出的图形傅立叶频谱。然而，频率调制并不总是定义具有相似性度量行为的核，该相似性度量行为对于更相似的点对返回更高的值。因此，我们指定并证明条件FM内核是正定的，并表现出相似性度量行为。在实验中，我们证明了改进的采样效率GP BO使用FM核（BO-FM）。在综合问题和超参数优化问题，BO-FM优于竞争对手一致。此外，频率调制原理的重要性是经验证明在相同的问题。在神经架构和SGD超参数的联合优化方面，BO-FM优于竞争对手，包括正则化进化（RE）和BOHB。值得注意的是，BO-FM的表现甚至比RE和BOHB更好，使用三倍的评估。
2022-07-18 cs.LG stat.ML
Bayesian Restoration of Audio Degraded by Low-Frequency Pulses Modeled via Gaussian Process
Federal University of Rio de Janeiro (UFRJ)（里约热内卢联邦大学）；Rio de Janeiro State University（里约热内卢州立大学）
本文提出一种贝叶斯方法，联合估计脉冲位置、插值受损信号并估计尾部，通过高斯过程建模，利用MCMC推断，减少用户干预并达到与先前方法相当的感知效果。
2020-09-26 cs.SD eess.AS eess.SP
Multiscale Bayesian State Space Model for Granger Causality Analysis of Brain Signal
对两个大脑信号之间随时间变化和频率特定的关系进行建模，正成为回答实验神经科学理论问题的重要方法论工具。在这篇文章中，我们建议估计一个频率格兰杰因果关系统计，可能会随着时间的推移，以评估两个大脑区域之间的功能连接在一个任务。为此，我们使用的自适应卡尔曼滤波器类型的线性高斯向量自回归模型的系数随时间的推移而演变的估计。估计过程是通过变分贝叶斯近似实现的，并扩展到多个试验。这种贝叶斯状态空间（BSS）模型提供了一个非常自然的动态Granger因果统计。我们建议扩展BSS模型，包括à trous Haar分解。这种基于小波的预测方法是基于多尺度分辨率分解的信号，使用冗余à trous小波变换，并允许我们捕捉短期和长期信号之间的依赖关系。同样重要的是，它使我们能够得到所需的动力学和频率特定的格兰杰因果关系统计。这些模型的应用程序在心理实验任务期间记录的颅内局部场电位数据显示杏仁核和内侧眶额皮质之间的复杂的频率为基础的串扰。保留字：à trous Haar小波;多次审判;神经科学数据;非平稳性;时频;这篇文章的出版版本是Cekic，S.，Grandjean，D.，Renaud，O.（2018年）。脑信号Granger因果分析的多尺度贝叶斯状态空间模型。应用统计学杂志。https://doi.org/10.1080/02664763.2018.1455814
2018-04-13 stat.ME
Bayesian Lattice Filters for Time-Varying Autoregression and Time-Frequency Analysis
对非平稳过程进行建模对许多科学学科都至关重要，包括环境科学、生态学和金融学等。因此，灵活的方法，提供准确的估计范围广泛的过程是一个持续的兴趣。我们提出了一种新的方法，基于模型的时频估计使用时变自回归模型。在这种情况下，我们采取完全贝叶斯方法，并允许自回归系数和创新方差随时间变化。重要的是，我们的估计方法使用格型滤波器，并在偏自相关域中进行了投射。边缘后验分布是标准形式，作为我们的估计方法的一个方便的副产品，我们的方法避免了不必要的矩阵求逆。因此，估计在计算上是非常有效和稳定的。为了说明我们的方法的有效性，我们进行了全面的模拟研究，比较我们的方法与其他竞争的方法，并发现，在大多数情况下，我们的方法在估计和真实的时变谱密度之间的平均平方误差方面表现优越。最后，我们通过三个建模应用程序展示了我们的方法，即昆虫通信信号，环境数据（风分量）和宏观经济数据（美国国内生产总值（GDP）和消费）。
2014-08-12 stat.ME
A Bayesian binary classification approach to pure tone audiometry
纯音听阈通常是根据对一组标准频率的刺激的反应来估计的。本文描述了一种概率方法的估计问题，其中的听力阈值建模为一个平滑的连续函数的频率使用高斯过程。这允许在任何频率下采样，并减少了所需的测量次数。将高斯过程与概率响应模型相结合，以考虑响应中的不确定性。由此产生的完整模型可以被解释为一个二维的二元分类器的刺激，并提供不确定性带的估计阈值曲线。最佳的下一个刺激的基础上确定的信息理论的标准。这导致了一种鲁棒的自适应估计方法，该方法可以应用于完全自动化的听力阈值估计过程。
2016-03-16 stat.AP
A simple Bayesian state-space model for the collective risk model
基于频率和严重度的集体风险模型（CRM）是零售保险费率制定、宏观层面巨灾风险预测以及银行监管中操作风险的重要工具。这个模型，这是最初设计的横截面数据，最近已被改编为一个纵向的背景下进行先验和后验ratemaking，通过引入随机效应。然而，到目前为止，由于计算方面的考虑，随机效应通常被假设为静态的，导致预测保费忽略了索赔的优先级。本文提出了一种新的具有二元动态随机效应过程的CRM模型。该模型是基于贝叶斯状态空间模型。它与简单的预测平均值和似然函数的封闭形式表达式相关联，同时还允许频率和严重性分量之间的依赖性。汽车保险的实际数据应用表明，我们的方法的性能。
2021-10-18 stat.AP
Spectral domain likelihoods for Bayesian inference in time-varying parameter models
本文研究时变参数模型贝叶斯推断中频域似然近似的有限样本精度，通过三个模拟研究评估多种频域似然函数，并在鸡蛋价格数据上加以验证。
2024-11-21 stat.ME
Approximate Bayesian inference for analysis of spatio-temporal flood frequency data
特大洪水造成人员伤亡，并对财产和重要民用基础设施造成广泛破坏。在这里，我们提出了一个贝叶斯方法预测极端洪水的广义极值（GEV）分布在有资料和无资料集水区。一个主要的方法上的挑战是找到一个合适的参数化的GEV分布时，涉及协变量或潜在的空间效应。其他挑战涉及使用适当的模型选择过程来平衡模型复杂性和简约性，以及使用可靠且计算高效的方法来进行推断。我们的方法依赖于一个潜在的高斯建模框架与一个新的多变量链接函数，旨在分离的解释参数在潜在的水平，以避免不合理的估计的形状和时间趋势参数。在潜在水平上提出了四个参数的结构化加性回归模型。为了提高大型数据集和丰富参数化模型的计算效率，我们采用了一种准确快速的近似贝叶斯推断方法。我们采用我们提出的方法，从554集水区在英国（UK）的年度峰值河流流量数据。我们的模型表现良好的洪水预测方面的测量和未测量集水区。结果表明，空间模型组件转换的位置和尺度参数，以及时间趋势，都是重要的。时间趋势参数的后验估计值对应于每十年平均增加约$1.5\%$，并揭示了整个英国的空间结构。为了估计空间聚集体的收益水平，我们进一步开发了一种新的基于Copula的后处理方法，以减轻数据水平上条件独立假设的影响，我们表明我们的方法提供了准确的结果。
2021-04-06 stat.AP stat.ME
Bayesian Reconstruction of Fourier Pairs
在许多数据驱动的应用中，例如心律失常检测、干涉测量或音频压缩，在时域或频域中不清楚地获取观测：时间观测允许我们研究信号的频谱内容（例如，音频），而频域观测用于重构时间/空间数据（例如，MRI）。用于频谱分析的经典方法依赖于i）时域和频域的离散化，其中快速傅里叶变换作为\textit{de facto}现成资源而突出，或者ii）具有封闭形式频谱的严格参数模型。然而，一般文献未能照顾到缺失的观察和噪声损坏的数据。我们的目标是解决缺乏一个原则性的处理不清楚地在时域和频域的方式，是强大的丢失或嘈杂的意见，并在同一时间模型的不确定性有效地获得的数据。为了实现这一目标，我们首先定义了一个联合概率模型的时间和频谱表示的信号，然后根据观察进行贝叶斯模型更新，从而共同重建完整的（潜在的）时间和频率表示。该模型从经典的频谱分析的角度进行了分析，并通过直观的例子来说明其实施。最后，我们证明了所提出的模型能够对真实世界的音频，医疗保健和天文信号进行联合时间和频率重建，同时成功地处理丢失的数据并自然地处理经典和现代谱估计方法的不确定性（噪声）。
2020-11-09 eess.SP stat.ML
Efficient Bayesian PARCOR Approaches for Dynamic Modeling of Multivariate Time Series
提出了一种贝叶斯格型滤波和平滑方法，用于对多变量非平稳时间序列进行快速准确的建模和推断。这种方法提供了计算的可行性和可解释的时间-频率分析的多元背景下。建议的框架，使我们能够获得后验估计的时变谱密度的个别时间序列组件，以及后验测量的时间-频率关系的多个组件，如时变相干性和部分相干性。建议制定考虑多元动态线性模型（MDLM）的前向和后向时变偏自相关系数（TV-VPARCOR）。在MDLM上下文中使用近似，避免了计算昂贵的计划后验推断的多变量动态PARCOR模型。通过Whittle算法得到了相应时变向量自回归（TV-VAR）系数的近似推断。所提出的TV-VPARCOR表示的一个关键方面是，它们具有较低的维度，因此比TV-VAR表示更有效。TV-VPARCOR模型的性能说明在模拟研究和分析中产生的神经科学和环境应用的多变量非平稳时间数据。模型的性能进行评估，使用拟合优度测量在时间-频率域，也通过评估短期预测的质量。
2019-07-20 stat.AP stat.CO stat.ME
Bayesian approach to the PC component
本研究提出结合频率分离与贝叶斯技术的两阶段方法，用于预测周期相关及多重周期相关时间序列，以更好地建模复杂周期相关分量。
2025-09-26 stat.ME
Bayesian nonparametric spectral analysis of locally stationary processes
基于一种新的局部平稳过程的动态Whittle似然逼近，提出了一种估计时变谱密度的贝叶斯非参数方法。这种基于动态频域的似然近似是能够描绘的时间-频率演化的过程中，利用移动周期图先前介绍的自举文献。后验分布是通过更新Bernstein-Dirichlet过程的二元扩展的动态Whittle似然先验得到的。渐近性质，如超范数后验一致性和L2-范数后验收缩率。此外，该方法能够基于贝叶斯因子在平稳性和非平稳性之间进行模型选择。有限样本性能的方法进行了研究，在模拟研究和应用到现实生活中的数据集。
2023-03-21 stat.ME
Bayesian CART models for aggregate claim modeling
School of Statistics, Southwestern University of Finance and Economics（统计学院，西南财经大学）；Department of Statistics, University of Leeds（统计系，利兹大学）
本研究提出三种用于聚合索赔金额的贝叶斯CART（BCART）模型，构建多响应通用框架，验证Weibull分布更适配厚尾索赔强度数据，且考虑索赔次数与强度相关性的序贯、联合模型优于独立假设的频率-强度模型，经模拟与真实保险数据验证有效。
2025-08-01 cs.LG q-fin.ST stat.AP
Bayesian Frequency Estimation Under Local Differential Privacy With an Adaptive Randomized Response Mechanism
Sabancı University（萨班哲大学）
针对随时间顺序收集的私有分类数据，提出AdOBEst-LDP算法，通过自适应LDP机制和贝叶斯后验采样提高未来数据效用，理论分析证明其收敛性，数值结果显示其优于非自适应和半自适应方法。
2024-11-30 cs.CR cs.LG stat.ML
Brain Waves Analysis Via a Non-parametric Bayesian Mixture of Autoregressive Kernels
分析脑电活动的标准方法是检查谱密度函数（SDF）并识别对信号的总体方差具有最大相对贡献的预定义频带。然而，这种方法的局限性在于振荡的精确频率和带宽随认知需求而变化。因此，它们不应该在实验中被任意地先验地定义。在本文中，我们开发了一种数据驱动的方法，该方法可以识别（i）显著峰值的数量，（ii）频率峰值的位置，以及（iii）它们相应的带宽（或峰值周围的功率分布）。我们提出了一种贝叶斯混合自回归分解方法（BMARD），它表示标准化的SDF作为一个Dirichlet过程的混合物的基础上的内核来自二阶自回归过程，完全表征的位置（峰值）和规模（带宽）参数。我们提出了一个Metropolis-Hastings within Gibbs算法，从混合参数的后验分布中进行采样。仿真研究证明了BMARD方法的鲁棒性和性能。最后，我们使用建议的BMARD方法来分析局部场电位（LFP）的活动，从实验室大鼠海马在不同的条件下，在非空间序列记忆实验，以确定最有趣的频带和检查之间的联系的特定模式的活动和审判特定的认知需求。
2021-03-25 stat.ME
Dynamic Mixed Frequency Synthesis for Economic Nowcasting
我们开发了一种新的贝叶斯框架，用于对混合频率数据进行动态建模，以预测美国季度GDP增长。引入的框架利用基础贝叶斯理论，并将以不同频率采样的数据视为后来合成的潜在因素，允许基于兴趣和效用的灵活方法规范。混合频率数据之间随时间变化的相互依赖性被学习并有效地映射到易于解释的参数上。一项使用多个月度经济变量对美国季度GDP增长进行即时预测的宏观经济研究表明，与文献中的标准相比，即时预测的表现和可解释性有所改善。该研究进一步表明，在一个季度内纳入信息显着提高性能的点和密度nowcasts。
2018-06-07 stat.ME
Bayesian Inference for Non-Synchronously Observed Diffusions
针对金融中非同步观测的双变量数据，本文提出基于扩散过程的贝叶斯推断方法，针对高、低频观测分别设计了基于Euler-Maruyama的粒子MCMC和连续时间后验桥接表示，并利用MLMC增强计算效率。
2025-03-01 stat.CO stat.ME
Bayesian DEJD model and detection of asymmetric jumps
新闻可能会引发金融时间序列的跳跃到达。“坏”和“好”的消息似乎有不同的影响。在研究中，一个双指数跳跃分布被用来模拟向下和向上的跳跃。提出了贝叶斯双指数跳扩散模型。文中所述定理使模型参数的估计、跳变的检测和跳变频率的分析成为可能。的方法，建立在潜变量的想法，说明了两个实证研究，采用模拟和真实世界的数据（KGHM指数）。新闻可能会引发金融时间序列的跳跃到达。“坏”和“好”的消息似乎有不同的影响。在研究中，一个双指数跳跃分布被用来模拟向下和向上的跳跃。提出了贝叶斯双指数跳扩散模型。文中所述定理使模型参数的估计、跳变的检测和跳变频率的分析成为可能。的方法，建立在潜变量的想法，说明了两个实证研究，采用模拟和真实世界的数据（KGHM指数）。
2014-04-08 q-fin.ST stat.ME
Bayesian Mixed-Effects Models for Multilevel Two-way Functional Data: Applications to EEG Experiments
本文提出面向嵌套于受试者的双向函数型 EEG 数据的贝叶斯混合效应模型，结合协变量依赖的 CP 分解、秩选择先验与高效后验抽样，并通过模拟和酒精中毒 EEG 数据分析验证其效果。
2025-07-27 stat.ME
Time-Varying Bayesian Optimization Without a Metronome
EPFL（苏黎世联邦理工学院）
针对时变贝叶斯优化中恒定观测频率假设不现实的问题，本文推导显式纳入采样频率变化的遗憾上界，并据此提出数据集与陈旧数据策略建议，使 BOLT 在合成和真实实验中优于现有方法。
2026-09-25 cs.LG stat.ML
A generalized multivariate Student-t mixture model for Bayesian classification and clustering of radar waveforms
本文提出了一种用于低截获概率雷达波形分类和聚类的广义多元Student-t混合模型。低截获概率雷达信号的特征在于脉冲压缩波形，该脉冲压缩波形是调频或调相的。该模型可以对线性调频、非线性调频、多相巴克码、多相P1、P2、P3、P4、弗兰克码和扎多夫码等不同的调制类型进行分类和聚类。分类方法的重点是引入一个新的先验分布的模型超参数，使我们有可能处理的敏感性的混合模型的初始化，并允许一个较少的限制性建模的数据。通过变分贝叶斯方法进行推理，并采用贝叶斯处理进行模型学习、监督分类和聚类。此外，新的先验分布是不是一个众所周知的概率分布和确定性和随机方法来估计其期望。一些数值实验表明，该方法是不敏感的初始化，并提供更准确的结果比以前的状态的最先进的混合模型。
2017-07-29 stat.ML
Usefulness of the Reversible Jump Markov Chain Monte Carlo Model in Regional Flood Frequency Analysis
区域洪水频率分析是一种方便的方法，以减少估计的不确定性时，很少的数据在测量现场。在这项工作中，一个模型，允许一个非零概率区域固定的形状参数。该方法集成在贝叶斯框架内，并使用可逆跳跃技术。随机数据的性能，这个新的估计相比，其他两个模型：传统的贝叶斯分析和指数洪水的方法。结果表明，所提出的估计是绝对适合于区域估计时，只有少数数据在目标网站。此外，与指数洪水估计，目标网站指数洪水误差估计似乎有贝叶斯估计的影响较小。文中还提出了一些关于合并组配置的建议，以提高每个估计器的性能。
2008-02-04 stat.AP
Bayesian inference from time series of allele frequency data using exact simulation techniques
针对等位基因频率时间序列，本文提出基于Wright–Fisher扩散且无误差更新潜轨迹的精确MCMC贝叶斯推断方法，并用于估计选择强度与ASIP、MC1R等位基因年龄。
2025-02-17 math.PR q-bio.PE q-bio.QM
