A Bayesian design for dual-agent dose optimization with targeted therapies
针对靶向治疗联合用药中高剂量未必高疗效的问题,提出两阶段贝叶斯I-II期剂量优化设计,采用三次样条建模疗效,结合EWOC原则与自适应随机化,模拟验证其比现有算法更安全高效。
2025-05-20 stat.ME
Fast, Optimal, and Targeted Predictions using Parametrized Decision Analysis
预测对于不确定性下的决策至关重要,并为统计推断提供有效性。通过有针对性的预测,目标是优化对感兴趣的特定决策任务的预测,我们通过泛函表示。虽然经典的决策分析从贝叶斯模型中提取预测,但这些预测通常难以解释,计算速度也很慢。相反,我们设计了一类参数化的行动贝叶斯决策分析,产生最佳的,可扩展的,简单的有针对性的预测。对于各种各样的行动参数化和损失函数-包括线性行动与稀疏约束的目标变量选择-我们得到一个方便的表示,产生有效的和可解释的解决方案的最佳目标预测。开发定制的样本外预测指标,以评估和比较目标预测因子。通过仔细使用后验预测分布,我们引入了一个程序,确定了一组接近最佳的,或可接受的有针对性的预测,这提供了独特的见解的功能和准确的有针对性的预测所需的复杂程度。模拟显示了出色的预测,估计和变量选择能力。针对来自国家健康和营养检查调查(NHANES)的身体活动数据构建了有针对性的预测,以更好地预测和了解日间身体活动的特征。
2020-10-10 stat.AP stat.CO stat.ME
Bayesian Sparse Mediation Analysis with Targeted Penalization of Natural Indirect Effects
因果中介分析的目的是描述暴露对结果的影响,并量化通过给定的中介或一组感兴趣的中介作用的间接影响。随着对大量潜在介质(如表观基因组或微生物组)的测量的日益可用性,需要新的统计方法来同时容纳高维介质,同时直接靶向自然间接效应(NIE)的惩罚以用于活性介质识别。在这里,我们开发了两种新的先验模型,通过惩罚贝叶斯范式中的NIE,在高维中介分析中识别活跃的中介。这两种方法都指定了一个联合先验分布的保险中介效果和中介结果的效果与(a)一个四分量高斯混合先验或(b)一个产品阈值高斯先验。通过联合建模的两个参数,有助于NIE,所提出的方法,使惩罚他们的产品在一个有针对性的方式。结果推理可以考虑NIE背后的四分量复合结构。我们通过模拟表明,所提出的方法提高了选择和估计精度相比,其他竞争的方法。我们应用我们的方法对两项正在进行的流行病学研究进行了深入分析:多种族动脉粥样硬化研究(MESA)和LIFECODES出生队列。两项研究中确定的活性介质揭示了理解疾病机制的重要生物学途径。
2020-08-14 stat.AP
A Nonparametric Bayesian Basket Trial Design
基于肿瘤基因组畸变分析的靶向治疗在癌症预后和治疗方面显示出有希望的结果。无论肿瘤类型如何,将患者与针对其特定基因组畸变的靶向治疗相匹配的试验已成为癌症患者治疗管理的主流方向。因此,找到能够从多种癌症类型的异常特异性靶向治疗中获益最多的患者亚群是重要的。我们提出了一个自适应贝叶斯临床试验设计的患者分配和亚群识别。我们从一个决策理论的方法,包括一个效用函数和概率模型在所有可能的子种群模型。提出的设计和群体发现方法的主要特征是,我们允许不同患者记录协变量的可变集,调整缺失数据,允许协变量的高阶相互作用,以及使用哪个治疗组最适合每例患者的后验预测概率将每例患者自适应分配到治疗组。通过大量的仿真研究证明了新方法。
2018-04-17 stat.AP
Towards Automated Satellite Conjunction Management with Bayesian Deep Learning
University of Oxford(牛津大学);University of Strathclyde(斯特拉斯克莱德大学);Technische Universität Darmstadt(达姆施塔特工业大学);IBM(国际商业机器公司);Imperial College London(伦敦帝国学院);European Space Agency(欧洲空间局);University of Surrey(萨里大学)
经过几十年的太空旅行,低地球轨道是一个废弃的火箭体,报废的卫星和数百万块碰撞和爆炸碎片的垃圾场。高度足够高的物体不会重新进入大气层并在大气层中燃烧,而是在地球轨道上停留很长时间。这些轨道的速度为28,000公里/小时,碰撞可能产生碎片,并可能引发更多碰撞的级联,称为凯斯勒综合征。这可能对全球构成挑战,因为这一现象可能升级到阻碍未来空间活动和破坏对空间和地球科学应用至关重要的卫星基础设施的程度。随着商业实体将巨型卫星星座送入轨道,进行避免碰撞机动的运营商的负担将增加。因此,开发预测潜在碰撞事件(会合)的自动化工具至关重要。我们引入了贝叶斯深度学习方法来解决这个问题,并开发了循环神经网络架构(LSTM),该架构可用于时间序列的连接数据消息(CDM),这是空间社区使用的标准数据格式。我们表明,我们的方法可以用来模拟所有的CDM功能,同时,包括未来CDM的到达时间,提供预测与相关的不确定性的结合事件的演变。
2020-12-23 cs.LG stat.ML
Bootstrap validity in Bayesian semi-parametric models
McGill University(麦吉尔大学)
该研究在半参数贝叶斯推断框架下,结合Dirichlet过程与贝叶斯自助法,放宽随机等连续性假设,验证了后验分布的渐近正态性与收敛性,并通过模拟确认了分析结果。
2026-08-10 math.ST stat.ML stat.TH
Model-based inference in complex surveys through targeted resampling of weights
Yale University(耶鲁大学);Virginia Commonwealth University(弗吉尼亚联邦大学);University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
针对复杂调查中传统推断方法的偏差、经典伪似然方法的有限样本缺陷及现有贝叶斯方法的局限,提出计算高效且理论一致的S-WLB方法,通过目标重采样权重实现准确推断并验证其性能。
2026-11-03 stat.ME
Bayesian modeling of networks in complex business intelligence problems
复杂网络数据问题在许多应用领域中越来越普遍。我们的动机来自战略营销研究,监测客户对特定产品的选择,以及编码多种购买行为的共同订阅网络。同一家保险公司的多个代理机构都有数据可供使用,我们的目标是有效地利用共同订阅网络,向当前单一产品客户提供交叉销售策略的定向广告。我们通过开发贝叶斯层次模型来实现这一目标,该模型根据常见的单一产品客户选择和共同订阅网络对代理商进行聚类。在每个集群内,我们有效地通过集群依赖的潜在特征模型的混合模型的客户行为。该公式提供了关于每个集群内单一产品客户选择和多种购买行为的关键信息,为有针对性的交叉销售策略提供信息。我们开发简单的算法进行易处理的推理,并评估性能的模拟和商业智能的应用。
2016-03-28 stat.AP stat.ME
Hierarchical Bayesian Modeling of Total Column Ozone: Unraveling Equatorial Variability over Ethiopia Using Satellite Data and Multisource Covariates
本研究利用INLA贝叶斯分层模型和SPDE方法分析埃塞俄比亚2012-2022年总柱臭氧时空动态,发现模型预测准确且揭示了环境协变量的正负关联,为赤道臭氧悖论提供新见解并支持气候政策规划。
2025-07-11 stat.AP
Targeted Variance Reduction: Robust Bayesian Optimization of Black-Box Simulators with Noise Parameters
Duke University(杜克大学)
针对黑盒模拟器鲁棒优化中现有两阶段方法未利用控制与噪声参数交互的问题,提出带联合采集函数的TVR贝叶斯优化方法,适配多种分布,实验及制动盘设计应用验证其性能更优。
2024-03-06 cs.LG stat.ML
Adaptive Image Denoising by Targeted Databases
University of California at San Diego(加州大学圣地亚哥分校);Purdue University(普渡大学)
我们提出了一个依赖于数据的去噪过程来恢复噪声图像。与现有的去噪算法从噪声图像或通用数据库中搜索补丁不同,新算法从仅包含相关补丁的数据库中查找补丁。我们制定的去噪问题作为一个最优滤波器的设计问题,并作出两个贡献。首先,我们通过求解群稀疏最小化问题来确定去噪滤波器的基函数。优化配方推广现有的去噪算法,并提供系统的性能分析。提出了改进方法,以提高补丁搜索过程。其次,我们确定的频谱系数的去噪滤波器,考虑本地化的贝叶斯先验。局部先验利用了目标数据库的相似性,简化了密集的贝叶斯计算,并将新方法与经典的线性最小均方误差估计联系起来。我们展示了所提出的方法在各种场景中的应用,包括文本图像,多视图图像和人脸图像。实验结果表明,新算法优于现有的方法。
2014-11-03 cs.CV stat.ME
Inference in Marginal Structural Models by Automatic Targeted Bayesian and Minimum Loss-Based Estimation
因果推理的两个主要任务是定义和估计治疗对感兴趣结果的影响。在形式上,这种治疗效果被定义为数据生成分布的可能功能总结,并被称为目标参数。目标参数的估计可能是困难的,特别是当它是高维的时。边际结构模型(MSM)提供了一种方法来总结这样的目标参数在一个较低的维度的工作模型。我们介绍了半参数效率界估计MSM参数在一般设置。然后,我们提出了一个频率估计,达到这一界限的基础上有针对性的最小损失估计。我们的结果是在一般情况下得出的,可以很容易地适应特定的数据结构和目标参数。然后,我们描述了一种新的有针对性的贝叶斯估计,并提供了一个伯恩斯坦冯-米塞斯型的结果分析其渐近行为。我们提出了一个通用的算法,使用自动微分将估计付诸实践的任意选择的工作模型。频率论和贝叶斯估计器已在Julia软件包TargetedMSM. jl中实现。最后,我们说明了我们提出的方法,通过调查干预措施对计划生育行为的影响,在马拉维进行的随机现场实验的数据。
2023-01-25 math.ST stat.TH
A Bayesian Downscaler Model to Estimate Daily PM2.5 levels in the Continental US
人们越来越有兴趣扩大基于卫星遥感数据的PM2.5地面监测网络的覆盖范围。卫星监测网络具有广阔的时空覆盖范围,在空气质量数据的时空可用性方面具有很大的潜力,可以补充地面监测系统。然而,大多数现有的校准模型集中在一个相对较小的空间域,不能推广到国家明智的研究。在本文中,我们提出了一个统计上可靠的和可解释的国家建模框架的基础上贝叶斯降尺度方法与应用程序的校准的每日地面PM2.5浓度在美国大陆使用卫星检索的气溶胶光学厚度(AOD)和其他辅助预测在2011年。我们的方法灵活地模拟PM2.5与气溶胶光学厚度和潜在的相关地理因素在气候区域的变化,并产生空间和时间的特定参数,以提高模型的可解释性。此外,我们的模型准确地预测了全国PM2.5,R2为70%,并生成了可靠的年度和季节PM2.5浓度地图及其SD。总体而言,该模型框架可以应用于全国范围的PM2.5暴露评估,并量化预测误差。
2018-08-07 stat.AP
A Bayesian hierarchical framework for fusion of remote sensing data: An example with solar-induced fluorescence
本文提出一个贝叶斯分层模型(BHM),从OCO-2卫星观测中估计全球一度的太阳诱导叶绿素荧光(SIF)及其不确定性,利用傅里叶项纳入季节性信息,补充了现有大气二氧化碳估计。
2025-03-05 stat.AP stat.ME
Hierarchical Bayesian Nearest Neighbor Co-Kriging Gaussian Process Models; An Application to Intersatellite Calibration
由于遥感技术的最新进展和卫星星座的日益扩大,每天都可以通过许多不同保真度的平台在全球范围内收集大量地球物理信息。自回归协同克里金模型是分析这类数据集的一个适当框架,因为它考虑到了不同保真度卫星输出之间的相互依存关系。然而,它的实现在多保真度的大型空间数据集实际上是不可行的,因为它的计算复杂性增加的观察总数的立方。在本文中,我们提出了一个最近邻协克立格高斯过程,耦合的自回归模型和最近邻GP通过使用增广的思想,减少计算复杂度是线性的空间观测位置的总数。最近的邻居GP的潜在过程中增加的方式,允许半共轭先验的规格。这有利于设计一个高效的MCMC采样器,涉及主要是直接采样更新,可以在并行计算环境中实现。仿真研究表明,该方法具有良好的预测性能。我们使用所提出的方法来分析从两个NOAA极轨卫星收集的高分辨率红外辐射探测器数据。
2021-05-09 stat.AP stat.CO
BART with Targeted Smoothing: An analysis of patient-specific stillbirth risk
本文介绍了BART与目标平滑,或tsBART,一个新的贝叶斯树为基础的模型非参数回归。tsBART的目标是在单个目标协变量t上引入平滑度,而不一定要求在其他协变量x上的平滑度。TsBART基于贝叶斯加性回归树(Bayesian Additive Regression Trees,BART)模型,一种回归树的集合。TsBART通过使用t的平滑函数而不是独立标量来参数化每个树的终端节点来扩展BART。与BART一样,tsBART捕捉预测变量之间复杂的非线性关系和相互作用。但与BART不同,tsBART保证响应曲面在目标协变量中是平滑的。这提高了可解释性,并有助于正则化估计。在介绍和基准测试tsBART模型后,我们将其应用于我们的激励示例:来自国家卫生统计中心的妊娠结局数据。我们的目的是根据母亲和胎儿的风险因素(x),提供不同胎龄(t)的死胎风险的患者特异性估计值。产科医生预计死胎风险随胎龄平稳变化,但不一定随其他协变量变化,tsBART的设计正是为了反映这种结构性知识。我们的分析结果显示了tsBART模型在量化死产风险方面的明显优势,从而为患者和医生提供了更好的信息来管理围产期死亡率的风险。这里描述的所有方法都在R包tsbart中实现。
2019-06-03 stat.ME
Position Dilution of Precision: a Bayesian point of view
在许多情况下,期望的位置误差是远远不可行的实验估计使用真实的卫星测量,这使得基于模型的位置精度衰减(PDOP)在定位和导航应用中至关重要。在下文中,我们推导出PDOP和位置误差之间的关系,并解释说,只要观测误差的模型代表了误差的真正来源,这种关系就成立。
2020-01-28 stat.AP
Combining Bayesian and Frequentist Inference for Laboratory-Specific Performance Guarantees in Copy Number Variation Detection
Pillar Biosciences Inc(Pillar 生物科技公司)
本文提出一种混合框架,通过在验证样本上评估贝叶斯后验函数并建模平方损失,实现频主义覆盖的容忍区间。方法包括填补、正则化和证据基于的分层,有效解决小样本和非交换性噪声问题。
2026-04-15 cs.LG q-bio.GN stat.AP
Bayesian Global Fréchet Regression via Weak Conditional Expectations
The Pennsylvania State University(宾夕法尼亚州立大学)
提出贝叶斯Fréchet回归框架,通过弱条件期望将对象值回归转化为标量回归任务,实现先验与数据驱动估计的受控插值,在微生物组数据中提升预测性能。
2026-06-06 math.ST stat.AP stat.ME
ASIED: A Bayesian Adaptive Subgroup-Identification Enrichment Design
近年来,基于患者的基线特征和基因组谱(如生物标志物)开发靶向治疗获得了越来越多的关注。根据患者的临床特征、特定生物标志物的表达或其组合,不同的患者亚组对相同治疗的反应可能不同。一个理想的设计,尤其是在概念验证阶段,应该寻找这样的亚组,并随着试验的进行动态调整,当没有先验知识可以确定治疗是否对所有来的人群有效,或者只对由一个或几个生物标志物定义的亚组有效时,有必要将异质性处理效应的自适应估计纳入中期分析的决策中。为了解决这个问题,我们提出了一个自适应亚组识别富集设计,ASIED,同时搜索预测性生物标志物,确定具有差异处理效应的亚组,并在中期分析时修改研究入选标准。更重要的是,我们构建了强大的定量决策规则的人口富集时,中期结果是异质性的背景下,多层次的目标产品,它定义了最低和目标水平的处理效应。通过大量的模拟,ASIED被证明可以实现理想的操作特性,并与替代品进行比较。
2019-02-25 stat.AP
Robust Bayesian FDR Control using Bayes Factors, with Applications to Multi-tissue eQTL Discovery
基于基因组学在表达量性状基因座(eQTL)定位中的应用,本文提出了一种新的方法,以贝叶斯因子作为输入检验统计量进行多个假设的同时检验。该方法的一个最显著的特点是它的鲁棒性,即使在参数替代模型的误指定下,也能控制目标错误发现率(FDR)。此外,所提出的程序是高度计算效率,这是理想的处理复杂系统和大数据的基因组应用。我们讨论了新的程序的理论特性,并证明了它的权力和计算效率在单组织和多组织eQTL定位的应用。
2016-06-08 stat.AP stat.ME
Bayesian and Maximum Likelihood Estimation for Gaussian Processes on an Incomplete Lattice
本文提出了一种新的方法来估计大格点上具有缺失值的平稳高斯过程的贝叶斯和极大似然参数估计。我们提出了一个MCMC方法的贝叶斯推断,和极大似然推理的蒙特卡罗期望最大化算法。我们的方法使用数据增广和循环嵌入的协方差阵,并提供精确的推断参数和缺失数据。使用模拟数据和应用卫星海洋表面温度在太平洋,我们表明,我们的方法提供了准确的推断尺寸高达512 × 512的格子,并优于两个流行的方法:复合似然和谱近似。
2014-02-18 stat.CO stat.ME
Mapping Subnational Vulnerability to Inadequate Micronutrient Intake using a Bayesian Small Area Estimation Framework
University of Oxford(牛津大学);World Food Programme(世界粮食计划署);Duke University(杜克大学);London School of Hygiene & Tropical Medicine(伦敦卫生与热带医学院)
本文通过贝叶斯小区域估计方法,利用家庭消费和支出调查数据,评估地方性微量营养素摄入不足的分布,提升地方营养干预的精准性。
2026-08-27 stat.AP
Creating area level indices of behaviours impacting cancer in Australia with a Bayesian generalised shared component model
提出全贝叶斯广义共享成分模型GSCM,以处理异方差、多共享因子与空间先验并量化指数不确定性,据此构建澳大利亚首个区域级癌症相关行为风险因素指数。
2024-03-01 stat.AP
Bayesian Statistical Inversion for High-Dimensional Computer Model Output and Spatially Distributed Counts
Virginia Tech(弗吉尼亚理工大学);Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室);University of Alabama in Huntsville(亨茨维尔阿拉巴马大学)
本文提出了一种结合泊松响应与稀疏高斯过程替代模型的贝叶斯反问题方法,用于处理高维计算机模型输出和空间分布计数数据,通过模拟示例验证了其在参数恢复和预测准确性上的优势。
2025-12-01 stat.AP stat.CO
Spatial Non-parametric Bayesian Clustered Coefficients
本文提出贝叶斯空间 Dirichlet 过程聚类异质回归模型,通过非参数框架推断聚类数量与配置并估计各聚类参数,经模拟数据验证后应用于 Queensland 儿童健康发展分析,为区域健康干预政策提供依据。
2023-11-23 stat.AP
Bayesian Inverse Reinforcement Learning for Collective Animal Movement
University of Missouri(密苏里大学);U. S. Geological Survey(美国地质调查局);Colorado State University(科罗拉多州立大学)
基于代理的方法允许定义生成复杂群体行为的简单规则。这种模型的管理规则通常是先验设置的,并且参数是根据观察到的行为轨迹来调整的。反向强化学习不是对所有预期场景进行简化假设,而是通过使用马尔可夫决策过程的属性来提供对管理长期行为策略的短期(局部)规则的推断。我们使用计算效率的线性可解马尔可夫决策过程学习的本地规则集体运动的模拟的自推进粒子(SPP)模型和数据应用程序的捕获孔雀鱼人口。行为决策成本的估计是在贝叶斯框架与基函数平滑。我们在SPP模拟中恢复了真实的成本,发现孔雀鱼更重视集体运动而不是有针对性的运动。
2022-06-11 cs.LG stat.ML
Bayesian Uncertainty Quantification for Low-Rank Matrix Completion
我们考虑未知低秩矩阵$\mathbf{X}$的不确定性量化问题,给出了其条目的部分和噪声观测。这种不确定性的量化对于许多现实问题至关重要,包括图像处理,卫星成像和地震学,为验证科学结论和指导决策提供了原则性框架。然而,现有的文献主要集中在完成(即,点估计)的矩阵$\mathbf{X}$,几乎没有工作调查其不确定性。为此,我们在这项工作中提出了一个新的贝叶斯建模框架,称为BayeSMG,参数化未知的$\mathbf{X}$通过其底层的行和列子空间。这种贝叶斯子空间参数化使得能够在矩阵子空间上进行有效的后验推理,这在许多应用中代表了可解释的现象。然后可以利用这一点来改善基质回收。我们证明了BayeSMG的有效性,现有的贝叶斯矩阵恢复方法在数值实验中,图像修复,和地震传感器网络应用。
2022-03-25 stat.ME
Forest tree species classification and entropy-derived uncertainty mapping using extreme gradient boosting and Sentinel-1/2 satellite data
Lund University(隆德大学)
本研究利用极端梯度提升模型和Sentinel卫星数据,实现了高精度的森林树种分类及不确定性映射,达到了85%的总体精度。
2025-12-02 q-bio.QM stat.ML
Bayesian Filtering of Smooth Signals: Application to Altimetry
本文提出了一种新的贝叶斯估计策略,用于估计被高斯噪声污染的光滑信号。该方法假设一系列连续信号的平滑演化,这些连续信号可以具有关于某些参数的数值或解析表达式。贝叶斯模型考虑了噪声的高斯特性和连续信号的平滑演化。此外,伽马马尔可夫随机场之前被分配给信号能量和噪声方差,以考虑它们的已知属性。得到的后验分布最大化使用一个快速坐标下降算法,其参数由解析表达式更新。该算法在卫星测高数据上进行了测试,在合成信号和真实信号上都取得了良好的去噪效果。所提出的算法也被证明,以提高质量的高度参数时,结合参数估计策略。
2016-02-11 stat.AP stat.ME
Targeted empirical Bayes for more supervised joint factor analysis
针对标准联合贝叶斯因子模型在响应变量不依赖预测因子主导主成分时难以识别信号的问题,提出靶向响应预测性能的经验贝叶斯方法估计残差方差,提升了模拟效果,并应用于环境暴露健康效应评估的NHANES数据。
2025-05-16 stat.ME
Leveraging Crowdsourcing Data For Deep Active Learning - An Application: Learning Intents in Alexa
Delft University of Technology(代尔夫特理工大学);Amazon Research(亚马逊研究院)
本文提出了一个通用的贝叶斯框架,使任何深度学习模型能够主动地从目标人群中学习。我们的框架继承了贝叶斯深度学习的最新进展,并通过考虑有针对性的众包方法扩展了现有的工作,其中具有未知专业知识的多个注释者贡献了不受控制的注释量(通常是有限的)。我们的框架利用注释中的低秩结构来学习个体注释者的专业知识,然后帮助从嘈杂和稀疏的注释中推断出真正的标签。它提供了一个统一的贝叶斯模型来同时推断真实标签和训练深度学习模型,以达到最佳的学习效果。最后,我们的框架利用预测过程中深度学习模型的不确定性以及注释者的估计专业知识,以最大限度地减少所需的注释和注释者的数量,从而最佳地训练深度学习模型。我们使用合成和真实世界的数据集来评估我们在Alexa(亚马逊的个人助理)中进行意图分类的框架的有效性。实验表明,与最先进的方法相比,我们的框架可以准确地学习注释者的专业知识,推断出真实的标签,并有效地减少模型训练中的注释量。我们进一步讨论了我们提出的框架在桥接机器学习和众包向改进的人在环系统的潜力。
2018-03-12 cs.LG cs.SI stat.ML
Approximate Bayesian inference for high-resolution spatial disaggregation using alternative data sources
Pennsylvania State University(宾夕法尼亚州立大学);Indian Institute of Technology Kanpur(坎普尔印度理工学院);Indian Institute of Human Settlements(印度人类定居点研究所)
针对细粒度空间人口数据获取难题,本文整合卫星替代数据源,提出半参数贝叶斯空间回归模型及基于max-and-smooth的近似推断方法,经班加罗尔案例和模拟验证有效,可推广至多学科计数型空间数据应用。
2024-07-15 stat.AP stat.ME
Adversarial robustness of amortized Bayesian inference
University of Tübingen(图宾根大学);Tübingen AI Center(图宾根人工智能中心);Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所)
研究摊销贝叶斯推断的对抗鲁棒性,发现微小观测扰动会导致后验剧烈变化,提出基于Fisher信息惩罚的高效正则化方案以提升鲁棒性。
2023-05-24 cs.LG stat.ML
How Well Do Prior-Data Fitted Networks Amortize Bayesian Inference?
LMU Munich(慕尼黑大学);Munich Center for Machine Learning(慕尼黑机器学习中心)
该研究针对先验数据拟合网络(PFNs)的贝叶斯推理摊销效果,分解其部署误差并开展实验,发现PFNs在罕见场景中存在残余摊销误差,采用贝叶斯模型平均可降低不确定性并提升预测性能。
2026-10-19 cs.LG stat.ML
Spatial Multivariate Trees for Big Data Bayesian Regression
高分辨率地理空间数据具有挑战性,因为已知基于高斯过程的标准地统计模型无法扩展到大数据大小。虽然在更有效地计算方法方面取得了进展,但对大数据方法的关注却少得多,这些方法允许描述不同传感器以高分辨率记录的几个结果之间的复杂关系。我们的贝叶斯多变量回归模型的基础上空间多变量树(SpamTrees)实现可扩展性,通过条件独立假设潜在的随机效应以下的树有向无环图。信息论的论点和计算效率的考虑指导建设的树和相关的有效的抽样算法在不平衡的多元设置。除了模拟数据的例子,我们说明SpamTrees使用一个大型的气候数据集,结合卫星数据与陆基台站数据。源代码可在https://github.com/mkln/spamtree上获得
2020-12-02 stat.CO stat.ME
A gradient-free subspace-adjusting ensemble sampler for infinite-dimensional Bayesian inverse problems
在高维空间中对尖锐后验样本进行采样是一个具有挑战性的问题,特别是当似然函数的梯度不可用时。在低到中等尺寸,仿射不变的方法,一类基于集成的无梯度的方法,已发现在采样集中后验的成功。然而,系综成员的数量必须超过未知状态的维度,以便正确的分布成为目标。相反,预处理Crank-Nicolson(pCN)算法在高维采样时成功,但当后验与前验显著不同时,样本变得高度相关。在这篇文章中,我们将上述方法以两种不同的方式结合起来,试图找到一种折衷的方法。第一种方法涉及用当前集合的协方差来膨胀pCN中的建议协方差,而第二种方法在不断适应的低维子空间上执行近似仿射不变的步骤,同时在其正交补上使用pCN。
2022-02-22 cs.NA math.NA stat.CO
Bayesian Motion Estimation for Dust Aerosols
地球主要沙漠地区的沙尘暴显著影响微物理天气过程、CO $_2$循环和全球气候。最近遥感仪器时空分辨率的提高为了解这些现象创造了新的机会。然而,收集的数据的规模和基本过程的固有随机性构成了重大挑战,需要仔细结合图像处理和统计技术。特别是,使用卫星图像数据,我们开发了一个统计模型的大气传输,依赖于一个潜在的高斯马尔可夫随机场(GMRF)的推断。在这样做时,我们之间的联系的光流法霍恩和Schunck和制定的运输过程作为一个潜在的领域在一个广义线性模型,这使得使用集成嵌套拉普拉斯近似推理。这个框架被指定,使它满足所谓的综合连续性方程,从而内在地表达了作为一个乘法因子,涵盖空气压缩性和卫星柱投影的字段的发散。这一步的重要性-以及处理问题的完全统计的方式-强调的模拟研究,推理的基础上,这个潜在的GMRF明显减少了估计流场的错误。最后,我们的研究在撒哈拉非洲形成的沙尘暴的动态,并表明我们的方法是能够准确和连贯地跟踪风暴运动,在这一领域的一个关键问题。
2013-08-05 stat.AP
Hierarchical Bayesian Knowledge Tracing in Undergraduate Engineering Education
School of Chemical Engineering, University of Birmingham(化学工程学院,伯明翰大学)
本研究提出分层贝叶斯建模方法,利用本科静力学课程数据量化技能难度与学生能力,揭示技能掌握模式及学生子群体,为教育者提供直观可靠且不牺牲预测准确性的指标,支持个性化教学决策。
2025-05-29 cs.CY cs.LG stat.AP
Flexible Bayesian Quantile Analysis of Residential Rental Rates
本文提出一种基于广义非对称拉普拉斯分布的贝叶斯随机效应分位数回归模型,用于面板数据,并应用于全球金融危机后美国住宅租金率分析,结果表明该模型在多数分位数上提供了显著灵活性。
2023-09-06 econ.EM stat.ME
Poisoning Bayesian Inference via Data Deletion and Replication
CUNEF Universidad Nantes Université, École Centrale Nantes, CNRS LS2N, UMR 6004, F-44000 Nantes, France(CUNEF大学南特大学,中央理工南特学院,CNRS LS2N,UMR 6004,法国南特)
本文提出通过策略性删除和复制观测数据来攻击通用贝叶斯推断的白盒投毒方法,能够将后验导向目标分布并实现仅破坏特定推断的外科手术式投毒。
2025-03-06 cs.LG stat.ML
Bayesian Semiparametric Causal Inference: Targeted Doubly Robust Estimation of Treatment Effects
Texas A&M University(德克萨斯农工大学)
本文提出了一种贝叶斯半参数方法,用于高维数据中准确估计治疗效应,通过双重稳健性确保效率和有效性。
2025-11-19 econ.EM math.ST stat.ME
Bayesian copula-based spatial random effects models for inference with complex spatial data
University of Melbourne(墨尔本大学);University of Wollongong(伍伦贡大学)
本文提出了一种完全贝叶斯、基于 copula 的空间随机效应模型,通过低秩表示实现计算高效的推断,在参数估计和空间过程预测上优于 FRK 等基准方法,并成功应用于卫星大气甲烷分布制图。
2025-11-04 stat.CO stat.ME
Bayesian hierarchical modeling of simply connected 2D shapes
包含在图像内的形状的分布的模型可以广泛地用于生物医学应用中,从用于靶向放射治疗的肿瘤跟踪到对血液样本中的细胞进行分类。我们的重点是简单连接的2D闭合曲线的形状和大小的分层概率模型,避免了通过对整个曲线进行建模来指定地标的需要,同时借用相关对象的曲线信息。流行的方法在提供曲线和/或标志位置的初始点估计方面遵循根本不同的策略,然后将其馈送到随后的统计分析中。这种两阶段方法忽略了第一阶段的不确定性,并且不允许在估计对象形状和大小时跨对象借用信息。我们的完全贝叶斯分层模型是基于循环基表征的线性组合内的多尺度变形,这有利于自动对齐不同的曲线占不确定性。表征是高度灵活的,在表示2D封闭曲线,导致一个非参数贝叶斯先验与大的支持。有效的马尔可夫链蒙特卡罗方法被开发用于同时分析多个对象。通过模拟实例和酵母细胞成像数据的方法进行评估。
2012-01-08 stat.ME
Data Assimilation of Satellite Fire Detection in Coupled Atmosphere-Fire Simulation by WRF-SFIRE
目前,极轨道卫星上的VIIRS和中分辨率成像分光仪仪器提供的卫星主动火灾探测产品可在任意位置产生探测方块。没有全局火灾/无火灾地图,在云层覆盖下没有检测,假阴性很常见,检测正方形比火灾行为模型的分辨率粗糙得多。因此,目前的主动火灾卫星探测产品应仅用于改进统计意义上的火灾建模,而不是作为直接投入。我们描述了一种用于主动火灾检测的新数据同化方法,该方法基于对火灾到达时间的修改,以同时最小化与预测火灾到达时间的差异并最大化火灾检测数据的可能性。该方法的灵感来自于计算机视觉中使用的轮廓检测方法,并且它可以被转换为贝叶斯逆问题技术或广义Tikhonov正则化。在找到整个模拟域上的新的火灾到达时间之后,可以使用新的火灾到达时间从过去的时间重新运行模型以生成热通量并旋转大气模型直到卫星飞越时间,此时耦合模拟从修改的状态继续。
2014-10-25 physics.ao-ph physics.data-an stat.CO
Bayesian Network Modeling of Causal Influence within Cognitive Domains and Clinical Dementia Severity Ratings for Western and Indian Cohorts
本研究利用贝叶斯网络和有向无环图分析ADNI和LASI数据集,揭示了西方与印度人群在临床痴呆评分六个认知领域因果关系及边强度上的显著差异,为跨人群痴呆干预提供依据。
2024-08-16 cs.AI cs.LG q-bio.NC
Targeted Random Projection for Prediction from High-Dimensional Features
我们认为,在具有挑战性的设置,准确的变量选择是不可能的计算效率高的预测高维和高度相关的预测的问题。直接应用惩罚或使用马尔可夫链蒙特卡罗实现的贝叶斯方法可能在计算上令人生畏且不稳定。因此,在统计分析之前,需要进行某种类型的降维。常见的解决方案包括应用筛选算法来减少回归量,或使用设计矩阵的投影来减少维数。前一种方法可能对有限样本中的阈值选择高度敏感,而后者在非常高维的设置中性能较差。我们提出了一个目标随机投影(TARP)的方法,结合了这两种策略的积极方面,以提高性能。特别是,我们建议使用来自独立筛选的信息来排序用于降维的投影矩阵中特征的包含概率,从而获得数据信息稀疏性。我们提供了理论支持的贝叶斯预测算法的基础上TARP,包括统计和计算复杂性的保证。模拟和真实数据应用的例子说明了相对于各种竞争对手的收益。
2017-12-06 math.ST stat.ME stat.TH