Utilizing variational autoencoders in the Bayesian inverse problem of photoacoustic tomography
本研究针对光声层析成像贝叶斯逆问题完整求解研究较少的现状,提出基于变分自编码器的后验分布估计方法,经数值模拟验证并与传统贝叶斯方法对比,为该类逆问题提供机器学习求解思路。
2022-10-24 physics.comp-ph stat.ML
Adaptive Bayesian Radio Tomography
无线断层成像(RTI)是一种新兴的技术,用于定位无线网络覆盖的地理区域中的物理对象。无线电层析成像利用空间损耗场(SLF)测量沿传播路径的每个位置处的无线电频率波的吸收,这些SLF可以用于无线通信网络中的干扰管理、环境监测以及地震等自然灾害后的幸存者定位。RTI成功的关键是将阴影效应精确地建模为通过权重函数缩放的SLF的二维积分,该权重函数使用正则化回归进行估计。然而,现有的方法是不太有效的传播环境时,是异构的。为了解决这个问题,本工作介绍了一个分段齐次SLF由隐马尔可夫随机场(MRF)模型。利用马尔可夫链蒙特卡罗(MCMC)技术开发了高效和易于处理的SLF估计器。此外,不确定性抽样方法的发展,以自适应地收集信息测量估计的SLF。使用合成和真实数据集的数值测试表明,该算法的无线电断层扫描和信道增益估计的能力。
2018-04-06 eess.SP stat.AP
Cauchy difference priors for edge-preserving Bayesian inversion with an application to X-ray tomography
研究了保边贝叶斯统计逆问题的柯西分布差分先验。与众所周知的全变差先验相反,一维柯西先验在离散极限下也是非高斯先验。柯西先验具有独立同分布的增量。一维柯西随机游动和一维高斯随机游动是Lévy $α$ -稳定随机游动的特例,分别具有$α=1$和$α=2$。这两种随机游动都可以写成封闭形式,并且作为先验,它们提供平滑和边缘保持特性。我们还简要讨论了连续和离散的Lévy $α$ -稳定的随机游动,并推广到二维先验的方法。我们将所开发的算法应用于一维反卷积和二维X射线层析成像问题。我们用单分量Metropolis-Hastings方法计算条件均值估计,用Gauss-Newton型最优化方法计算最大后验估计。我们比较建议的层析重建方法过滤反投影估计和条件均值估计与高斯和全变差先验。
2016-03-19 math.ST stat.TH
A flexible Bayesian method for adaptive measurement in psychophysics
在心理物理学实验中,时间和参与者有限的善意通常是一个主要的限制。这是早期开发用于测量心理测量阈值的自适应方法的主要动机。最近,已经开发出以自适应方式测量整体心理测量功能的方法。在这里,我们描述了一个贝叶斯方法来测量自适应的心理物理功能的任何方面,从Kontsevich和泰勒的最佳贝叶斯测量方法的灵感。我们的方法是在一个完整的,易于使用的MATLAB软件包中实现的。
2008-09-02 stat.AP
Enhancing Industrial X-ray Tomography by Data-Centric Statistical Methods
X射线层析成像在各种工业领域中有应用,例如锯木厂工业、石油和天然气工业、化学工程和岩土工程。本文研究了贝叶斯方法在X射线层析成像中的应用。在贝叶斯方法中,层析重建的逆问题借助于统计先验分布来解决,该统计先验分布通过为对象的平滑度和边缘分布分配概率来编码可能的内部结构。我们比较高斯随机场先验,有利于平滑,非高斯总变差,Besov和柯西先验,促进尖锐的边缘和高对比度和低对比度的区域中的对象。我们还提出了计算方案,解决由此产生的高维贝叶斯逆问题与100,000 - 1,000,000未知数。特别是,我们研究的适用性的一个没有U形转弯的变体的哈密顿蒙特卡罗方法和一个更经典的自适应内吉布斯算法。这些方法还能够实现重建的完全不确定性量化。为了更快的计算,我们使用最大后验估计与有限内存BFGS优化算法。作为第一个工业应用,我们认为锯木厂工业X射线原木层析成像。日志有结,腐烂的部分,甚至可能是金属片,使它们成为非高斯先验的好例子。其次,以石油天然气工业为例,研究了岩心样品层析成像技术。我们发现,柯西先验产生的文物比其他的选择,特别是稀疏的高噪声测量,更少的数量,选择汉密尔顿蒙特卡罗使系统的不确定性量化。
2020-03-08 cs.CE eess.IV stat.ME
Bayesian Optimal Phase II design with optimised stopping boundaries and response-adaptive randomisation
MRC Biostatistics Unit, University of Cambridge(剑桥大学医学研究委员会生物统计学单位);Population Health Sciences Institute, Newcastle University(纽卡斯尔大学人口健康科学研究所)
针对原始BOP2框架等比例随机化、等间隔期中分析的设置缺陷,本研究引入BRAR与最优期中分析节点,在几乎不损失检验效能的前提下优化受试者分配与样本量,提供实操建议并开放仿真代码。
2025-11-18 stat.AP
Stability and Statistical Inversion of Travel time Tomography
本文针对有界域上共形度量的走时层析成像问题,建立了正演与反演的稳定性估计,并据此证明了贝叶斯统计反演技术在离散含噪测量下的一致性。
2024-05-09 math.DG math.ST stat.TH
Near-optimal quantum tomography: estimators and bounds
我们给出了任何量子态估计,这可以说是最突出的使用品质因数在量子态断层扫描的平均保真度上的界限。此外,这些界限可以在线计算-也就是说,当实验运行时。我们数值表明,这些界限是相当紧的密度矩阵的相关分布。我们还表明,贝叶斯均值估计是理想的意义上执行接近的界限,而不需要优化。我们的结果适用于所有有限维量子系统。
2015-11-22 math.ST quant-ph stat.TH
On the Consistency of Bayesian Adaptive Testing under the Rasch Model
本研究针对贝叶斯自适应测验缺乏大样本性质证明的问题,推导了Rasch模型下潜在特质后验分布收敛的条件,验证了先验误设时的稳健性,还提出了匹配最优估计性能的新型选题策略,为该类方法提供了理论支撑。
2024-12-10 stat.AP stat.ME
A Langevin sampler for quantum tomography
Royal Holloway, University of London(伦敦大学皇家霍洛威学院);National Physical Laboratory(英国国家物理实验室);Université Lyon 2(里昂第二大学);UCLouvain(瓦隆-布拉班特天主教大学);University of Oxford(牛津大学)
本文提出了一种基于贝叶斯方法的 Langevin 采样器用于量子重构,利用 Burer-Monteiro 分解和低秩先验密度,实现了高效的参数估计和可扩展性提升。
2026-01-13 math.ST stat.AP stat.TH
Adaptive empirical Bayesian smoothing splines
在本文中,我们开发和研究自适应经验贝叶斯光滑样条。这些都是平滑样条函数,平滑参数和惩罚顺序都是通过经验贝叶斯方法从模型的边际似然确定的。选择的阶数和平滑参数用于构造具有良好频率覆盖的底层回归函数的自适应可信集。我们使用这些可信的集合作为代理,以显示自适应经验贝叶斯平滑样条相比,频率平滑样条的优越性能。
2015-11-17 math.ST stat.TH
Bayesian Dynamic Mapping of an Exo-Earth from Photometric Variability
直接成像的地外地球的光度变化传达了其表面的空间信息,可用于检索行星的二维地形和轴向倾斜(自旋轨道层析成像)。在这项研究中,我们放松了静态地理的假设,并提出了一个计算易处理的框架,适用于随时间变化的地理动态自旋轨道层析成像。首先,静态自旋轨道层析成像的贝叶斯框架重新使用高斯先验的贝叶斯逆问题的解析表达式。然后,我们通过时域中的高斯过程将这个分析框架扩展到时变框架,并提出解析表达式,使从地理,轴向倾斜,自旋旋转周期和高斯过程先验中的超参数的全联合后验分布进行有效采样。因此,对于总共$\sim 3 \times 10^6$参数,膝上型计算机仅需要0.3秒来采样一个以具有3,072个像素和1,024个时间网格的其他参数为条件的后验动态图。我们应用我们的动态映射方法的玩具模型,发现随时间变化的地理准确检索随着轴向倾斜和自旋旋转周期。此外,我们演示了使用动态自旋轨道层析成像与一个真正的多色光变曲线的地球观测深空气候观测。我们发现,从主成分分析的主导成分得到的快照大致捕捉到了地球上晴朗天空和多云地区的大尺度季节性变化。
2020-07-26 astro-ph.EP astro-ph.IM stat.ME
Optimizing Interim Analysis Timing for Bayesian Adaptive Commensurate Designs
在开发罕见病产品时,由于可参与药物试验和其他临床研究的患者数量有限,因此会出现统计挑战。贝叶斯适应性临床试验设计通过纳入外部来源的证据(历史数据、专家意见和真实世界证据)以及中期外观规范的灵活性,提供了提高统计效率、降低开发成本和预防伦理风险的可能性。在本文中,我们提出了一种新的贝叶斯自适应相称设计,自适应地借用历史信息,并使用一个特定的支付函数来优化研究的中期分析的时间。试验收益是通过提前停止可以节省多少样本以及对无效或有效做出正确早期决策的概率的函数。我们校准我们的贝叶斯算法具有可接受的长期运行的频率属性(第一类错误和电源),通过模拟在设计阶段。我们使用儿科试验设计环境来说明我们的方法,该试验设计环境测试新药对罕见遗传疾病的影响。optimIA R包可在https://github.com/wxwx1993/Bayesian_IA_Timing上获得,它提供了我们方法的易于使用的实现。
2019-09-18 stat.AP stat.CO stat.ME
Multiple Adaptive Bayesian Linear Regression for Scalable Bayesian Optimization with Warm Start
贝叶斯优化(BO)是一种基于模型的无梯度黑箱函数优化方法。通常,BO由高斯过程(GP)驱动,其算法复杂度是评估数量的立方。因此,基于GP的BO不能利用大量的过去或相关的函数评估,例如,来热启动BO过程。我们开发了一个多自适应贝叶斯线性回归模型作为一个可扩展的替代方案,其复杂性是线性的观察。多个贝叶斯线性回归模型通过共享的前馈神经网络耦合,该前馈神经网络学习联合表示并跨机器学习问题传递知识。
2017-12-08 stat.ML
Adaptive Metropolis Algorithm Using Variational Bayesian Adaptive Kalman Filter
马尔可夫链蒙特卡罗(MCMC)方法是分析复杂统计问题的有力计算工具。然而,它们的计算效率高度依赖于所选择的建议分布,这通常很难找到。解决这个问题的一种方法是使用自适应MCMC算法,该算法在MCMC运行期间自动调整提案分布的统计信息。提出了一种新的自适应MCMC算法--变分贝叶斯自适应Metropolis(VBAM)算法. VBAM算法使用变分贝叶斯自适应卡尔曼滤波器(VB-AKF)来更新提议的协方差阵。证明了VBAM算法的一个强大数律。文中还给出了三个模拟算例和两个实际数据算例的经验收敛结果。
2014-10-01 math.ST stat.TH
Adaptive Gaussian process surrogates for Bayesian inference
Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室)
我们提出了一种自适应的方法来建设高斯过程代理贝叶斯推断昂贵的评估前向模型。我们的方法依赖于完全贝叶斯方法来训练高斯过程模型,并利用贝叶斯全局优化的预期改进思想。我们自适应地构造训练设计,通过最大化期望的改善,在适合的高斯过程模型的噪声观测数据。与合成数据的模型问题的数值实验表明,所获得的自适应设计的有效性相比,固定的非自适应设计在精确的后验估计的一小部分的成本与正向模型的推理。
2018-09-27 cs.LG stat.ML
Discussion of "Frequentist coverage of adaptive nonparametric Bayesian credible sets"
Szabó,van der Vaart和van Zanten的“自适应非参数贝叶斯可信集的频率覆盖”讨论[arXiv:1310.4489v5]。
2015-09-07 math.ST stat.TH
Discussion of "Frequentist coverage of adaptive nonparametric Bayesian credible sets"
Szabó,van der Vaart和van Zanten的“自适应非参数贝叶斯可信集的频率覆盖”讨论[arXiv:1310.4489v5]。
2015-09-07 math.ST stat.TH
Discussion of "Frequentist coverage of adaptive nonparametric Bayesian credible sets"
Szabó,van der Vaart和van Zanten的“自适应非参数贝叶斯可信集的频率覆盖”讨论[arXiv:1310.4489v5]。
2015-09-07 math.ST stat.TH
Discussion of "Frequentist coverage of adaptive nonparametric Bayesian credible sets"
Szabó,van der Vaart和van Zanten的“自适应非参数贝叶斯可信集的频率覆盖”讨论[arXiv:1310.4489v5]。
2015-09-07 math.ST stat.TH
3D Uncertainty Quantification for Photoacoustic Tomography
University of Oulu(奥卢大学);King Fahd University of Petroleum and Minerals(法赫德国王石油与矿产大学);Technical University of Denmark(丹麦技术大学);University of Eastern Finland(芬兰东部大学)
研究光声层析成像的三维不确定性量化问题,提出有限元贝叶斯UQ框架,将RTO采样策略重构成无矩阵算法,通过构建特殊伴随离散化实现高效求解,经多种方法验证,可扩展到线性PDE约束反问题。
2026-09-01 cs.NA math.NA math.ST
Discussion of "Frequentist coverage of adaptive nonparametric Bayesian credible sets"
Szabó,van der Vaart和van Zanten的“自适应非参数贝叶斯可信集的频率覆盖”讨论[arXiv:1310.4489v5]。
2015-09-07 math.ST stat.TH
Bayesian filtering unifies adaptive and non-adaptive neural network optimization methods
University of Bristol(布里斯托大学)
我们将神经网络优化问题表述为贝叶斯滤波,其中观测值是反向传播的梯度。虽然神经网络优化之前已经使用与贝叶斯推断密切相关的自然梯度方法进行了研究,但他们无法使用均方根梯度归一化器恢复标准优化器,如Adam和RMSprop,而是得到均方归一化器。为了恢复均方根归一化,我们发现有必要考虑所有其他参数的时间动态,因为它们正在优化。由此产生的优化器AdaBayes自适应地在类SGD和类Adam行为之间转换,自动恢复AdamW,这是Adam的最新变体,具有解耦的权重衰减,并且具有与SGD竞争的泛化性能。
2020-04-16 cs.LG stat.ML
Rejoinder to discussions of "Frequentist coverage of adaptive nonparametric Bayesian credible sets"
对Szabó、van der Vaart和van Zanten的“自适应非参数贝叶斯可信集的频率主义覆盖”的反驳[arXiv:1310.4489v5]。
2015-09-07 math.ST stat.TH
Convergence Guarantees for Adaptive Bayesian Quadrature Methods
EURECOM(欧洲电信学院);University of Tübingen(图宾根大学);Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所)
自适应贝叶斯求积(ABQ)是一种强大的数值积分方法,在中等维度(非自适应求积不具有竞争力)的问题上,它与蒙特卡罗积分相比具有优势。它的关键成分是一个获取函数,该函数作为先前收集的被积函数值的函数而变化。虽然这种适应性在经验上似乎很强大,但它使分析复杂化。因此,到目前为止,这类方法还没有理论上的保证。在这项工作中,对于广泛的自适应贝叶斯求积方法,我们证明了一致性,推导出非紧但信息量大的收敛速度。为了做到这一点,我们引入了一个新的概念,我们称之为弱适应性。我们的研究结果确定了一个大的和灵活的自适应贝叶斯求积规则一致,从业者可以开发经验有效的方法。
2019-10-28 cs.LG cs.NA math.NA
Bayesian Adaptive Polynomial Chaos Expansions
Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室);Sandia National Laboratory(桑迪亚国家实验室)
针对多项式混沌展开在统计学领域贝叶斯实现稀缺的问题,研究团队开发了带R包khaos的全贝叶斯自适应PCE方法,具备新型提议分布与定制g-先验,在多项UQ相关任务中性能优异。
2025-10-28 stat.ME stat.ML
Adaptive Gaussian process approximation for Bayesian inference with expensive likelihood functions
我们考虑计算密集型似然函数的贝叶斯推断问题。我们提出了一种基于高斯过程(GP)的方法来近似未知参数和数据的联合分布。特别是,我们写的联合密度近似为一个近似的后验密度和一个exponentiated GP代理的产品。然后,我们提供了一个自适应算法来构建这样的近似,其中使用主动学习方法来选择设计点。数值例子表明,该方法具有竞争力的性能对现有的贝叶斯计算方法。
2018-03-14 stat.CO stat.ML
An Efficient Bayesian Framework for Uncertainty Quantification in Nonlinear Imaging Inverse Problems
Case Western Reserve University(凯斯西储大学);IIT Gandhinagar(甘地纳加尔印度理工学院)
针对定量光声层析成像和电阻抗断层成像这两个非线性成像逆问题,基于两阶段推进方法开发高效贝叶斯框架,通过为辅助变量制定回归问题并避免MCMC采样,以较低计算成本实现准确重建和可靠不确定性估计。
2026-07-14 math.ST stat.TH
Stochastic Convergence Rates and Applications of Adaptive Quadrature in Bayesian Inference
我们提供了第一个随机收敛速度的家庭自适应正交规则用于规范化的后验分布贝叶斯模型。我们的结果适用于一致的相对误差的近似后验密度,覆盖概率的近似可信集,近似的时刻和分位数,从而保证快速渐近收敛的近似汇总统计量在实践中使用。该系列的积分规则包括自适应高斯-厄米特积分,我们将这一规则在两个具有挑战性的低维的例子。此外,我们演示了如何自适应正交可以作为一个重要组成部分的现代近似贝叶斯推断过程的高维添加剂模型。该方法在R语言的aghq包中实现并公开提供,可在CRAN上获得。
2022-10-25 stat.ME
Minimax and minimax adaptive estimation in multiplicative regression : locally bayesian approach
本文讨论了带乘性噪声的回归方程的非参数估计问题。利用局部多项式拟合和贝叶斯方法,构造了迷向Hölder类估计的Minimax.接下来应用Lepski的方法,我们提出的估计,这是最佳自适应的各向同性的Hölder类的集合。为了证明所提出的方法的最优性,我们特别建立了局部最佳估计与待估计参数的偏差的指数不等式。这些理论结果通过仿真研究得到了验证。
2012-07-23 math.ST stat.TH
Deep Adaptive Bayesian Screening
KU Leuven(卢森堡大学)
研究在高维离散设计空间的自适应因子筛选问题,提出深度自适应贝叶斯筛选方法DABS,通过学习策略网络选择实验,集成吉布斯后验推断,相比经典和贝叶斯基线,在实验预算紧张时准确性和可扩展性更优。
2026-07-21 cs.LG stat.ML
Adaptive Sampling for Estimating Distributions: A Bayesian Upper Confidence Bound Approach
University of Southern California(南加州大学);University of California, San Diego(加州大学圣地亚哥分校)
研究了概率质量函数(pmf)一致估计的自适应抽样问题。采样策略的性能以最差情况下的均方误差来衡量。提出了一种贝叶斯变体现有的置信上限(UCB)为基础的方法。分析表明,这种贝叶斯变体的性能并不比现有的方法差。贝叶斯设置中pmfs上的后验分布允许更严格地计算置信上限,这在实践中导致显著的性能增益。使用这种方法,自适应采样协议提出了估计SARS-CoV-2血清阳性率在不同的群体,如位置和种族。这一战略的有效性进行了讨论,使用从洛杉矶县的血清阳性率调查获得的数据。
2020-12-08 cs.LG stat.ME
A Metropolized adaptive subspace algorithm for high-dimensional Bayesian variable selection
提出了一种简单有效的自适应马尔可夫链蒙特卡罗(MCMC)方法--Metropolized Adaptive Subspace(MAdaSub)算法,用于贝叶斯变量选择中的高维后验模型分布采样. MAdaSub算法基于独立的Metropolis-Hastings采样器,其中解释变量的个体建议概率在每次迭代后使用贝叶斯自适应学习的形式进行更新,以最终收敛到各自协变量的后验包含概率的方式。我们证明了算法的遍历性,并提出了一个并行版本的MAdaSub的适应计划的建议概率的基础上,从多个链的信息组合。该算法的有效性通过各种模拟和真实数据的例子,包括一个高维问题,超过20,000协变量证明。
2022-07-07 stat.CO stat.ME
A fast, flexible simulation framework for Bayesian adaptive designs -- the R package BATSS
MRC Biostatistics Unit, University of Cambridge(剑桥大学医学研究委员会生物统计学单位);School of Public Health and Preventive Medicine, Monash University(莫纳什大学公共卫生与预防医学院);Faculty of Informatics and Data Science, University of Regensburg(雷根斯堡大学信息科学与数据科学学院)
本文提出R包BATSS,用于快速模拟贝叶斯自适应设计,支持多种主要结果类型及常见自适应机制,提供灵活的模块化结构。
2026-07-01 stat.CO stat.ME
Adaptive Bayesian Inference of Markov Transition Rates
最优设计最大限度地减少了准确估计模型参数所需的实验运行(样本)数量,从而产生了有效地最小化参数估计方差的算法。受过去观测的知识支配,自适应方法在线调整采样约束,因为模型参数估计被细化,不断最大化获得的期望信息或方差减小。我们应用自适应贝叶斯推断估计的马尔可夫链,一类常见的模型,自然随机过程的转移率。与大多数以前的研究不同,我们的序贯贝叶斯最优设计随着每次观察而更新,并且可以简单地扩展到两状态模型之外的生灭过程和多状态模型。通过迭代地找到获得每个样本的最佳时间,我们的自适应算法最大限度地降低了方差,从而降低了在广泛的马尔可夫链参数化和构象的地面真实参数估计的总体误差。
2023-02-01 math.OC math.PR stat.ME
On Bayesian based adaptive confidence sets for linear functionals
研究了逆高斯白噪声模型中线性泛函的贝叶斯置信集的构造问题。我们的工作与一个规模的高斯先验指数的规律性超参数,并应用数据驱动的(略有修改)边际似然经验贝叶斯方法的选择这个超参数。我们通过理论和模拟表明,该方法构造的可信集一般具有次优行为。然而,通过假设“自相似性”的可信集有率自适应的大小和最佳的覆盖。作为这些结果的应用,我们构造了$L_{\infty}$ -可信带的真正的功能参数与自适应的大小和最佳覆盖下的自相似约束。
2015-04-18 math.ST stat.TH
Adaptive MC^3 and Gibbs algorithms for Bayesian Model Averaging in Linear Regression Models
MC $^3$(Madigan and York,1995)和Gibbs(George and McCulloch,1997)采样器是线性回归模型中贝叶斯模型平均(BMA)最广泛实现的算法。这些采样器在每次迭代中使用统一的选择概率随机抽取一个变量,然后建议更新该变量。如果变量的数量很大并且许多变量是冗余的,则这在计算上可能是低效的。在这项工作中,我们引入自适应版本的这些采样器,保持其简单的实施,并减少了许多冗余变量的选择概率。在真实和模拟数据集的自适应采样器的效率的改进说明。
2013-06-25 stat.CO
Input Adaptive Bayesian Model Averaging
Department of Statistics(统计学系);Department of Computer Science(计算机科学系)
本文提出输入自适应贝叶斯模型平均(IA-BMA),根据输入条件分配模型权重,通过摊销变分推断估计自适应后验,在回归和分类任务中优于非自适应基线和现有自适应方法。
2025-10-24 cs.LG stat.ML
Adaptive approximate Bayesian computation for complex models
近似贝叶斯计算(ABC)是贝叶斯统计中的一系列计算技术。这些技术允许将模型拟合到数据,而不依赖于模型可能性的计算。相反,他们需要模拟大量的时间来拟合模型。对原始的基于拒绝的ABC方案提出了许多改进,包括后验分布的顺序改进。该技术允许减少所需的模型模拟的数量,但它仍然存在几个缺点,这些缺点对于模拟复杂模型的成本来说是特别成问题的。在这里,我们提供了一个新的算法来执行自适应近似贝叶斯计算,这是一个玩具的例子和一个复杂的社会模型,表现得更好。
2015-05-07 math.ST stat.CO stat.TH
Robust Bayesian Modeling with Adaptive Posterior FDR Control for Large-Scale Data
Osaka Metropolitan University(大阪公立大学)
本文提出了一种基于厚尾建模的鲁棒贝叶斯方法,用于大规模数据中的FDR控制,并通过后验预测p值检测异常值,同时提出自适应方法确定后验FDR水平,通过结直肠癌基因表达数据验证方法有效性。
2026-03-31 stat.ME
Adaptive Bayesian density estimation in sup-norm
研究了在密度估计中$\mathbb{L}^{\infty}$球上自适应后验收缩率的推导问题。虽然它是已知的,对数密度先验可以实现最佳的利率时,真密度是足够平滑,自适应利率仍有待证明。在这里,我们建立了所谓的尖峰和板前可以实现自适应和最佳的后验收缩率。一路上,我们证明了一个通用的$\mathbb{L}^{\infty}$收缩结果的对数密度先验独立的小波系数。有趣的是,我们的方法是不同的$\mathbb{L}^{\infty}$收缩从以前的作品,并让人想起经典的基于测试的方法中使用的贝叶斯nonparametrics。此外,我们不需要真密度的平滑度的下界,尽管在低平滑度的情况下,速率被额外的$\log(n)$因子恶化。
2021-07-01 math.ST stat.TH
Bayesian Optimization for Adaptive MCMC
提出了一种新的基于贝叶斯优化的自适应MCMC随机化策略。这种方法适用于不可微的目标函数,并权衡探索和开发,以减少潜在的昂贵的目标函数评估的数量。我们证明了战略在复杂的设置采样约束,离散和密集连接的概率图形模型,对于每个变化的问题,需要自动调整的建议机制的参数,以确保有效的混合的马尔可夫链。
2011-10-29 stat.CO stat.ML
Adaptive Inference through Bayesian and Inverse Bayesian Inference with Symmetry-Bias in Nonstationary Environments
Tokyo Denki University(东京电机大学);The University of Tokyo(东京大学);SoftBank Robotics Group Corp.(软银机器人集团);Shinshu University(信州大学);Osaka Metropolitan University(大阪公立大学);Waseda University(早稻田大学)
本研究提出贝叶斯与逆贝叶斯(BIB)推断框架,通过引入对称性偏差和动态调节学习率,解决了传统贝叶斯推断中适应性与准确性的权衡,并在非平稳环境中实现了临界动力学与计算效率的共存。
2025-10-31 cs.MA stat.ME
Experimental Adaptive Bayesian Tomography
我们报告了一个自适应量子态层析成像协议的实验实现。我们的方法利用贝叶斯方法进行统计推断,并且自然地针对自适应策略进行定制。对于纯状态,我们观察到接近1/N的缩放的不忠与注册事件的总数,而最好的非自适应协议只允许$1/\sqrt{N}$缩放。实验是针对极化量子比特进行的,但这种方法很容易适应任何维度。
2015-11-02 quant-ph
Two-Qubit Hamiltonian Tomography by Bayesian Analysis of Noisy Data
我们提出了一个经验策略,以确定一个两个量子比特系统的哈密顿动力学只使用初始化和测量在一个单一的固定的基础。使用贝叶斯方法从测量数据估计信号参数,从该方法重建基础哈密顿量,最多三个不可观测的相位因子。我们扩展的方法,通过多步方法实现完全控制的哈密顿层析成像的可控系统。通过分析包括投影噪声在内的模拟实验数据,对该技术进行了演示和评估。
2009-02-19 quant-ph
Bayesian homodyne and heterodyne tomography
连续变量(CV)光子态在量子信息科学中受到越来越多的关注,其特征诸如确定性资源状态生成和经由玻色子码的纠错。数据高效的表征方法将证明在这种CV量子技术的微调和成熟中至关重要。虽然贝叶斯推断提供了吸引人的属性-包括不确定性量化和最优均方误差-贝叶斯方法尚未被证明为任意CV状态的断层扫描。在这里,我们介绍了一个完整的贝叶斯量子态断层扫描工作流程,能够推断通用CV状态测量零差或外差检测,没有高斯假设。作为例子,我们展示了我们的方法,实验相干,热,猫状态数据,我们的贝叶斯估计和理论预测之间取得了很好的协议。我们的方法奠定了贝叶斯估计的高度复杂的CV量子态在新兴的量子光子平台,如量子通信网络和传感器的基础。
2022-11-18 quant-ph
The quantum de Finetti representation for the Bayesian Quantum Tomography and the Quantum Discord
我们指出,量子de Finetti表示,唯一的无限可扩展的可交换系统,分配一个非零的量子不和谐的不相关的系统,因此不能作为一个普遍的先验分布在贝叶斯量子层析成像。这个明显的悖论源于量子力学中用于概率分配的玻恩定则的线性,这导致人们关于量子态的知识和在一个密度矩阵中的状态的表示的混合。
2013-07-04 quant-ph
Fast Bayesian tomography of a two-qubit gate set in silicon
对量子态和逻辑门进行基准测试和表征在量子计算设备的开发中是必不可少的。我们介绍了一种贝叶斯方法的自洽过程层析成像,称为快速贝叶斯层析成像(FBT),并通过实验证明了其性能在表征硅基自旋量子位器件上的双量子位门集。FBT建立在自适应自洽线性化的基础上,该线性化对模型近似误差具有鲁棒性。我们的方法提供了一些优势,比其他自洽层析成像方法。最值得注意的是,FBT可以利用来自随机基准测试(或其他表征测量)的先验信息,并且可以实时执行,在获取数据的同时提供全过程矩阵的持续更新估计。
2021-07-30 quant-ph
Adaptive Bayesian and frequentist data processing for quantum tomography
对于给定状态下的系统,信息上完全的量子测量的结果统计可以用于通过对取决于特定算子的结果的函数求平均来评估相同状态下的任何线性算子的系综期望。在这里,我们介绍了两种新的数据处理策略,非线性的频率,导致更快的收敛到理论预期。
2009-01-14 quant-ph
Quantum System Identification by Bayesian Analysis of Noisy Data: Beyond Hamiltonian Tomography
我们考虑如何使用贝叶斯分析从一组受限的初始状态和测量来表征量子系统的动力学。以前的工作表明,哈密顿系统可以很好地估计从噪声数据的分析。在这里,我们将展示如何推广这种方法的系统中的本征基的哈密顿适度退相。我们说明了一系列的三能级量子系统的过程。结果表明,贝叶斯估计的频率和失相率一般是高度准确的,主要的误差来源是在重建的哈密顿基础的错误。
2009-11-06 quant-ph
Adaptive quantum tomography
我们提供了一个审查的实验和理论研究领域的量子断层扫描,重点是最近开发的自适应协议。讨论了适应性实验设计的几种统计框架。我们主张贝叶斯方法,突出其优点,为未知的量子态和过程的统计重建,自适应实验设计和实用程序。最近的几个实验实施和数值配方的分析支持的讨论。
2016-10-10 quant-ph
Experimental adaptive process tomography
自适应测量最近被证明可以显着提高量子态层析成像的性能。利用系统的信息进行在线选择的最佳测量允许达到状态重建精度的最终界限。在这篇文章中,我们推广了自适应贝叶斯方法的情况下,过程层析成像和实验表明其优越性,在学习未知的量子操作的任务。我们的光子偏振量子比特实验涵盖了所有类型的单量子比特通道。我们还讨论了仪器误差和标准的最终达到的精度在实验中的评价。事实证明,自适应断层扫描在存在强技术噪声的情况下提供了较低的本底噪声。
2016-11-03 quant-ph
Optimal and two-step adaptive quantum detector tomography
量子探测器层析成像是用于校准量子器件和执行量子工程任务的基本技术。在本文中,我们设计的最佳探测器状态的检测器估计的最小上界的均方误差(UMSE)和最大的鲁棒性的基础上。我们建立了量子探测器的最小UMSE和最小条件数,并提供了具体的例子,可以实现最佳的探测器层析成像。为了提高估计精度,我们还提出了一种两步自适应探测器层析成像算法,以优化探头状态的基础上修改的保真度指标自适应。我们提出了一个充分条件时,我们的两步策略的估计误差成反比的状态副本的数量。此外,将相干态的叠加态作为探测态用于量子探测器层析成像,并分析了估计误差。数值结果表明,所提出的优化和自适应量子探测器层析成像方法的有效性。
2022-01-12 quant-ph
Adaptive Quantum Homodyne Tomography
提出了一种提高量子零拍层析成像精度的自适应优化技术。该方法是基于存在所谓的零函数,它有零平均的任意状态的辐射。将空函数添加到层析成像内核并不影响它们的平均值,但是改变了统计误差,然后可以通过使内核“适应”零差数据的优化方法来减少统计误差。详细研究了密度矩阵和其他相关场观测量在层析成像中的应用。
1998-12-14 quant-ph