Generative Filtering for Recursive Bayesian Inference with Streaming Data
针对流式递归贝叶斯更新中滤波样本退化的问题，本文提出 Generative Filtering，以并行更新兼顾效率与非退化性，并给出收敛速率、充分统计量条件及模拟与生态数据验证。
2024-12-06 stat.CO
Integrating Expert Knowledge and Recursive Bayesian Inference: A Framework for Spatial and Spatio-Temporal Data Challenges
本文提出了一种整合专家知识与递归贝叶斯推断的框架，用于解决空间和时空数据挑战，通过递归推断和支持转换方法提高估计准确性。
2025-11-25 stat.ME
A strategy to avoid particle depletion in recursive Bayesian inference
针对递归贝叶斯推理中滤波方法的粒子耗尽问题，提出基于前序样本经验分布平滑版生成提议的方法，保留计算优势且无粒子耗尽，经仿真和两类模型模拟数据验证有效。
2025-08-03 stat.CO stat.ME
Multi-Agent Variational Occlusion Inference Using People as Sensors
Stanford University（斯坦福大学）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
自动驾驶汽车必须考虑城市环境中的空间闭塞，以确保安全，而不会过于谨慎。先前的工作探索了从观察到的道路代理的社会行为的遮挡推理，因此将人视为传感器。从代理行为推断占用率是固有的多模态问题;驾驶员可以针对他们前面的不同占用率模式（例如，驾驶员可以在交通中或在开放道路上以恒定速度移动）。然而，过去的工作并没有考虑到这种多模态，从而忽略了对驾驶员行为与环境之间关系的任意不确定性的来源进行建模。我们提出了一种遮挡推理方法，其特征在于观察到的行为的人类代理传感器测量，并将它们与标准传感器套件。为了捕捉任意的不确定性，我们训练一个条件变分自编码器与离散的潜在空间学习多模态映射从观察到的驾驶员轨迹的占用网格表示的司机前面的视图。我们的方法处理多代理的情况下，结合测量多个观察到的司机使用证据理论来解决传感器融合问题。我们的方法在一个杂乱的现实世界的交叉路口进行了验证，性能优于基线，并展示了实时性能。我们的代码可在https://github.com/sisl/MultiAgentVariationalOcclusionInference上获得。
2022-03-02 cs.AI cs.CV cs.LG
Recursive Gaussian Processes and the Bayesian Brain
Indian Institute of Management, Udaipur（乌代布尔印度管理学院）；Ashoka University（阿肖克大学）；Indian Statistical Institute（印度统计研究所）
该研究将预测编码与递归高斯过程（RGPs）形式化关联，证明RGPs可实现分层贝叶斯推理等功能，将其组成部分映射到皮层微回路，定位其为计算工具与大脑预测机制模型，可产生可检验的神经动力学预测。
2026-08-04 cs.LG q-bio.NC stat.ML
Nested Gaussian filters for recursive Bayesian inference and nonlinear tracking in state space models
我们引入了一种新的顺序方法来校准的固定参数和跟踪的状态空间系统的随机动态变量。所提出的方法是基于嵌套混合滤波（NHF）框架[1]，它结合了两层滤波器，一个在另一个里面，以计算静态参数和状态变量的联合后验概率分布。特别是，我们探讨了使用确定性采样技术的高斯近似在第一层的算法，而不是在原来的程序中采用的蒙特卡罗方法。由此产生的计划降低了计算成本，使算法可能更好地适用于高维状态和参数空间。我们描述了一个具体的例子，新的方法，然后研究其性能和效率的随机Lorenz 63模型与不确定参数的算法。
2021-03-23 stat.CO
Simultaneous quantification and changepoint detection of point source gas emissions using recursive Bayesian inference
最近的研究结果表明，石油和天然气供应链中设备的异常操作条件占人为甲烷排放量的很大一部分。因此，要有效减少排放，就必须迅速查明和修复故障设备造成的排放源。除了传感技术的进步，允许更频繁的监测，及时和具有成本效益的源识别需要计算框架，提供自动故障检测。在这里，我们提出了一个变点检测算法的基础上，允许同时排放率估计和故障检测的递归贝叶斯方案。所提出的算法进行了测试的一系列近场控制释放移动实验，与有希望的结果表明成功检测（>90%的成功率）的变化时，泄漏率的排放率是三倍后突然变化。此外，我们表明，统计的测量，如变异系数和范围是很好的预测算法的性能。最后，我们描述了这种方法可以很容易地适应固定传感器测量的时间平均浓度数据，从而展示了其灵活性。
2021-09-03 stat.AP
Deep Gaussian Processes for Air Quality Inference
Indian Institute of Technology Gandhinagar（印度理工学院甘地纳加尔分校）
空气污染每年造成约700万人死亡，约24亿人暴露在有害的空气污染中。精确、精细的空气质量（AQ）监测对于控制和减少污染至关重要。然而，空气质量监测站的部署是稀疏的，因此对未监测地点的空气质量推断是至关重要的。传统的插值方法无法学习复杂的AQ现象。这项工作表明，深度高斯过程模型（DGP）是一个很有前途的AQ推理任务的模型。我们实现了双随机变分推理，DGP算法，并表明它执行的最先进的模型。
2022-11-18 cs.LG stat.ML
Amortized Phylodynamic Inference with Neural Bayes Estimators and Recursive Neural Networks
MRC Biostatistics Unit, University of Cambridge（剑桥大学生物统计单元）；ARC Centre of Excellence for the Mathematical Analysis of Cellular Systems, The University of Melbourne（墨尔本大学细胞系统数学分析卓越中心）；School of Mathematics and Statistics, The University of Melbourne（墨尔本大学数学与统计学院）；Department of Biosystems Science and Engineering, ETH Zürich（苏黎世联邦理工学院生物系统科学与工程系）；Swiss Institute of Bioinformatics (SIB)（瑞士生物信息学研究所）
本文提出基于神经贝叶斯估计器和递归神经网络的方法，用于高效估计流行病动态参数并提供不确定性量化。
2026-03-09 q-bio.QM stat.ME
Distributed model building and recursive integration for big spatial data modeling
针对神经影像中超高维空间数据建模，提出分布式模型构建与递归整合框架，实现高斯过程参数的高效估计与推断，并在自闭症数据上获得新见解。
2024-02-08 stat.CO stat.ME
Recursive Nearest Neighbor Co-Kriging Models for Big Multiple Fidelity Spatial Data Sets
针对大规模多保真度空间数据，提出递归最近邻协同克里金模型，并开发折叠与共轭两种高效推断方法，显著降低计算时间并保持预测精度。
2023-11-14 stat.CO
Putting People in Their Place: Affordance-Aware Human Insertion into Scenes
Stanford University（斯坦福大学）；UC Berkeley（加州大学伯克利分校）；Adobe Research（奥多比研究实验室）
该研究提出一种可供性感知的人物入景方法，通过自监督训练的大规模扩散模型实现符合场景约束的真实人物插入与交互合成，效果优于现有方法。
2023-04-27 cs.AI cs.CV cs.GR
BAGEL: A Bayesian Graphical Model for Inferring Drug Effect Longitudinally on Depression in People with HIV
获得和坚持抗逆转录病毒疗法使艾滋病毒感染从致命疾病转变为慢性疾病。然而，ART也因其副作用而闻名。研究报告称，ART与抑郁症相关。大规模的艾滋病临床数据库，包括个人的纵向抑郁记录，ART药物和临床特征，为研究人员提供了前所未有的机会来研究ART药物对抑郁症的影响。我们开发了BAGEL，一种贝叶斯图形模型，用于调查ART药物对一系列抑郁症状的纵向影响，同时调整参与者的人口统计学，行为和临床特征，并通过贝叶斯非参数先验考虑异质性人群。我们通过模拟研究评估BAGEL。从妇女的机构间艾滋病毒研究的数据集的应用程序产生可解释的和临床上有用的结果。BAGEL不仅可以提高我们对ART药物对不同抑郁症状影响的理解，而且在指导知情和有效的治疗选择方面具有临床实用性，以促进艾滋病毒的精准医学。
2020-07-03 stat.AP stat.ME
Consensus-based Recursive Multi-Output Gaussian Process
本文提出基于共识的递归多输出高斯过程框架，通过共享基向量的递归推断与邻居间的信息共识更新，实现并行分布式学习，保持输出间相关性并校准不确定性。
2026-04-11 cs.LG eess.SP
Newton's Algorithm as a Gradient Flow: A Geometric Framework for Recursive Mixture Estimation
Department of Statistics & Data Sciences, University of Texas at Austin（德克萨斯大学奥斯汀分校统计与数据科学系）
本文提出牛顿递归作为梯度流的几何解释，揭示其在概率测度空间中的动态特性，为递归混合估计提供了理论基础。
2026-04-14 stat.ME
Bayesian-Assisted Inference from Visualized Data
数据解释的贝叶斯观点建议可视化用户应该根据新观测捕获的关于参数值的信息量来更新他们关于参数值的现有信念。扩展了最近应用贝叶斯模型来理解和评估可视化的信念更新的工作，我们展示了如何使用贝叶斯推理的预测来指导更合理的信念更新。我们设计了一个贝叶斯推理辅助的不确定性类比，在数字上与观察到的数据的不确定性用户的主观不确定性，和后验可视化，规定用户应该如何更新他们的信念，他们的先验信念和观察到的数据。在对4，800人进行的预注册实验中，我们发现，当新观察到的数据样本相对较小（N=158）时，与当前可视化观察数据中的不确定性的最佳实践相比，这两种技术平均可靠地提高了人们的贝叶斯更新。对于大数据样本（N=5208），人们的更新的信念往往偏离更强烈的贝叶斯模型的处方，我们发现证据表明，这两种形式的贝叶斯援助的有效性可能取决于人们的倾向对信任的数据源。我们讨论了我们的研究结果如何提供洞察个人的信念更新和主观不确定性的过程，以及如何理解这些方面的解释铺平了道路，为更复杂的交互式可视化分析和沟通。
2020-08-08 cs.HC stat.ME
Active Inference with People: a general approach to real-time adaptive experiments
University of Missouri（密苏里大学）；Cornell University（康奈尔大学）；University of Cambridge（剑桥大学）
本文提出一种统一的实时自适应实验方法，结合主动推断和PsyNet平台，涵盖计算机自适应测试、自适应治疗分配和主动学习等场景，提升实验效率和准确性。
2026-09-01 cs.HC stat.ME
A Bayesian Nonparametric Approach for Inferring Drug Combination Effects on Mental Health in People with HIV
虽然联合抗逆转录病毒疗法（ART）在抑制HIV感染者（PWH）的病毒载量方面非常有效，但许多ART药物可能会加剧中枢神经系统（CNS）相关的不良反应，包括抑郁症。因此，了解抗逆转录病毒药物对中枢神经系统功能，特别是精神健康的影响，可以帮助临床医生个性化治疗，减少对PWH的不良影响，并防止他们停止抗逆转录病毒治疗，以避免不良的健康结果和增加艾滋病毒传播的可能性。电子健康记录的出现为研究人员提供了前所未有的艾滋病毒数据，包括个人的心理健康记录，药物处方和临床信息。然而，由于药物组合空间的高维性、个体异质性和观察到的药物组合的稀疏性，对这样的数据进行建模是非常具有挑战性的。我们开发了一种贝叶斯非参数方法，以了解药物组合对PWH心理健康的影响，并根据社会人口统计学、行为和临床因素进行调整。所提出的方法是建立在子集树核方法，表示药物组合的方式，合成已知的方案结构成一个单一的数学表示。它还利用了距离依赖的中国餐馆的过程中聚类异质人群，同时考虑到个人的治疗历史。我们通过模拟研究评估所提出的方法，并将该方法应用于妇女机构间艾滋病毒研究的数据集，产生可解释的和有前途的结果。我们的方法在指导临床医生根据个人的治疗历史和临床特征开出更明智和有效的个性化治疗方面具有临床实用性。
2020-04-11 stat.ME
Bayesian method for inferring the impact of geographical distance on intensity of communication
理论模型和实证研究结果都表明，不同人群之间的沟通强度随着地理隔离程度的降低而降低。有证据表明，通信强度并不是随着距离的增加而均匀衰减，而是在较短和较长的距离上以不同的速度衰减。使用贝叶斯LASSO模型选择，我们引入了一个统计模型，用于估计通信下降的速度与地理距离，允许在这个速度的不连续性。我们将我们的方法应用于匿名的移动电话通信数据集。我们的研究结果是潜在的有用的设置，了解社会和空间混合的人是很重要的，如在集群随机试验设计。
2018-05-23 stat.AP
Fast Exact Inference for Recursive Cardinality Models
University of Toronto（多伦多大学）；Harvard University（哈佛大学）
基数势是一类常用的高阶势，它根据D个二元变量中有多少个是活动的来影响概率。基数势模型的最大后验概率（MAP）推断是很好理解的，有效的计算需要O（DlogD）时间。然而，在机器学习社区中，有效的边缘化和采样还没有得到彻底的解决。我们发现，存在一个简单的算法计算边际概率和绘制精确的联合样本，运行在O（Dlog 2 D）的时间，我们展示了如何框架的算法作为有效的信念传播的低阶树结构模型，包括额外的辅助变量。然后，我们开发了一个新的，更一般的一类模型，称为递归基数模型，利用这种效率。最后，我们展示了如何在由一个树结构和一个基数势组成的模型中进行有效的精确推理。我们探索递归基数模型的表达能力，并实证证明其效用。
2012-10-16 cs.LG stat.ML
RetiNerveNet: Using Recursive Deep Learning to Estimate Pointwise 24-2 Visual Field Data based on Retinal Structure
Duke University（杜克大学）
青光眼是世界上不可逆失明的主要原因，影响超过7000万人。繁琐的标准自动视野检查（SAP）测试最常用于检测青光眼引起的视力丧失。由于SAP测试的先天困难和高的重测变异性，我们提出了RetiNerveNet，一个深度卷积递归神经网络，用于获得SAP视野的估计。RetiNerveNet使用来自更客观的谱域光学相干断层扫描（SDOCT）的信息。RetiNerveNet试图从视盘周围的视网膜神经纤维层（RNFL）厚度开始追溯视网膜神经纤维的弓形会聚，以估计个体年龄校正的24-2 SAP值。递归通过所提出的网络依次产生的视觉位置的估计逐渐远离视盘。虽然用于我们实验的所有方法对于晚期疾病组表现出较低的性能，但观察到所提出的网络比估计个体视野值的所有基线更准确。我们进一步增强RetiNerveNet，以额外预测SAP均值偏差值，并创建RetiNerveNet的集合，通过增加训练数据中代表性不足的部分的权重，进一步提高性能。
2021-06-20 cs.CV cs.LG eess.IV
A Multi-Modal Approach to Infer Image Affect
Johnson Controls - Innovation Garage（江森自控创新车库）
可以通过提取关于图片中的人和场景的整体构成的特征来推断人的图像中的群体情感或情绪。关于这个问题的最新技术研究了面部特征、场景提取甚至音频音调的组合。本文结合了三个额外的方式，即，人体姿势，基于文本的标记和CNN提取的特征/预测。据我们所知，这是第一次使用深度神经网络提取所有模态。我们评估我们的方法对基线的性能，并确定在本文中的见解。
2018-03-13 cs.CV cs.LG stat.ML
Translating Recursive Probabilistic Programs to Factor Graph Grammars
University of Notre Dame（圣母大学）；Indiana University（印第安纳大学）
对于概率程序来说，使用条件句来表达模型中的替代子结构，使用循环（递归）来表达模型中的重复子结构是很自然的。因此，概率程序与条件和递归激发了人们对有效和一般推理的兴趣。因子图语法（FGG）生成一组因子图，这些因子图不需要全部被枚举以执行推理。我们提供了从具有条件和递归的一阶概率程序到FGG的保留语义的翻译。
2020-10-22 cs.LG cs.PL
Taste or Addiction?: Using Play Logs to Infer Song Selection Motivation
National Institute of Advanced Industrial Science and Technology (AIST)（日本国立产业技术综合研究所（AIST））
在线音乐服务越来越受欢迎。它们使我们能够根据播放日志分析人们的音乐收听行为。尽管已知人们基于主题（例如，摇滚或爵士乐），我们假设当用户沉迷于某位艺术家时，她/他会选择该艺术家的歌曲，而无论主题如何。基于这一假设，本文提出了一个概率模型来分析人们的音乐聆听行为。我们的主要贡献有三个方面。首先，据我们所知，这是第一个通过考虑成瘾对艺术家的影响来模拟音乐聆听行为的研究。其次，通过使用真实世界的游戏日志数据集，我们证明了我们提出的模型的有效性。第三，我们进行了定性实验，并表明，考虑到成瘾，使我们能够分析音乐听音乐的行为，从一个新的角度来看，人们如何听音乐，根据一天中的时间，艺术家的歌曲是如何听的人，等等，我们还讨论了应用分析结果的可能性，如艺术家相似性计算和歌曲推荐的应用。
2017-05-26 cs.AI cs.LG
On the Pointwise Behavior of Recursive Partitioning and Its Implications for Heterogeneous Causal Effect Estimation
Princeton University（普林斯顿大学）；Two Sigma Investments, LP（Two Sigma投资公司）
本文证明自适应递归划分的决策树在一致范数下可能无法达到多项式收敛速率，而随机森林通过子采样和随机特征选择机制可实现接近最优的逐点推断性能。
2024-02-07 cs.LG math.ST stat.ML
Automatic Debiased Machine Learning for Dynamic Treatment Effects and General Nested Functionals
MIT Economics（麻省理工学院经济系）；Harvard Economics（哈佛大学经济系）；Stanford MS&E（斯坦福大学工业工程与运营研究系）
本文提出自动递归方法用于动态治疗效应和通用嵌套函数的推断，结合神经网络和随机森林实现灵活估计，并引入递归里斯代表式作为技术贡献。
2026-07-22 cs.LG econ.EM math.ST
Large Language Models Assume People are More Rational than We Really are
Princeton University（普林斯顿大学）；Boston University（波士顿大学）；New York University（纽约大学）
通过对比LLM行为与大规模人类决策数据，发现GPT-4o等前沿模型在模拟和预测人类选择时假定人比实际更理性，更接近期望值理论，且其推断与人类对他人理性的预期高度相关。
2025-03-10 cs.AI cs.CL cs.CY
