Projection-pursuit Bayesian regression for symmetric matrix predictors
本文提出一种针对对称矩阵预测变量的贝叶斯多指标回归方法,利用投影寻踪结构并施加稀疏先验,通过贝叶斯回拟进行推断,在模拟和脑连接数据案例中验证了有效性。
2024-07-18 stat.ME
Bayesian High-dimensional Grouped-regression using Sparse Projection-posterior
North Carolina State University(北卡罗来纳州立大学)
提出一种基于稀疏投影后验的贝叶斯高维分组回归方法,通过三种投影映射实现组变量选择和估计,并证明模型选择一致性和最优后验收缩率。
2026-05-22 stat.ME
Bayesian clustering using random effects models and predictive projections
线性混合模型广泛用于分析涉及缺失和不平衡研究设计的分层结构数据。我们考虑一个贝叶斯聚类方法,结合线性混合模型和预测预测。对于每个观测,我们考虑一个预测性重复,其中只有一个随机效应子集在观测和其重复之间共享,其余部分使用条件先验进行积分。然后定义预测投影,其中共享随机效应所取的不同值的数量是有限的,以获得不同的聚类。整合出一些随机效应充当噪声过滤器,允许聚类仅集中于数据的某些选定特征。该方法的灵感来自贝叶斯模型检查的方法,其中模拟数据复制从拟合模型用于模型的批评,通过检查它们的相似性,以相关的方式观察到的数据。在这里,预测重复用于以相关方式定义观测之间的相似性以进行聚类。为了说明我们的方法在不同尺度上揭示数据方面的方式,我们考虑使用傅立叶余弦基拟合纵向数据的时间趋势,每个基函数具有随机效应,以及由低频或高频项的重复的共享随机效应定义的不同聚类。该方法在一系列的实际例子证明。
2021-07-06 stat.ME
A Projection-Based Approach to Bayesian Age Estimation under Stratigraphic Constraints
Nantes Université - CNRS(南特大学);Univ Rennes - CNRS(雷恩大学)
针对层序约束贝叶斯定年中持续时间膨胀问题,提出基于投影的无约束后验方法,通过等渗回归计算Wasserstein最近约束分布,显著降低偏差并提升精度。
2026-09-23 stat.ME
Bayesian Distance-to-Set Models: from Latent Variable to Latent Projection
University of Florida(佛罗里达大学);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of California, Los Angeles(加州大学洛杉矶分校)
本文提出基于距离到集合的贝叶斯模型,替代传统潜在变量模型中的偏差,通过投影减少参数维度,提升后验计算效率,并展示其在多环境研究和贝叶斯迁移学习中的应用效果。
2026-04-11 stat.ME
On the Likelihood of Local Projection Models
局部投影模型由一组线性回归定义,这些回归解释了在不同时间点观察到的外源变量和内源变量之间的关联。虽然使用普通最小二乘估计器单独估计个体回归是标准实践,但最近的一些研究将局部投影模型视为具有相关误差的多元回归,即,看似无关的回归,并提出贝叶斯和非贝叶斯方法,以提高估计精度。然而,目前尚不清楚如何以及何时这种方式的治疗局部投影模型是合理的。本文的主要目的是填补这一空白,表明当地的投影模型的可能性,可以从一个平稳的向量移动平均过程解析推导。通过数值实验,我们证实了这种局部投影处理方法对有限样本是成立的。
2020-07-12 stat.ME
Bayesian Poisson Mortality Projections with Incomplete Data
缺失数据问题在统计应用中普遍存在。即使是简单的死亡率预测中的计数数据,也可能由于预算限制或难以追踪研究单位而无法获得某些年龄和年龄组的数据,从而导致后续估计和预测不准确。为了规避这种数据驱动的挑战,我们扩展了泊松对数正态李-卡特模型,以适应更灵活的时间结构,并开发了新的采样算法,提高了MCMC收敛时,处理不完整的死亡率数据。通过引入过分散项和Gibbs采样器,扩展模型可以被改写为动态线性模型,从而卡尔曼滤波器和序贯卡尔曼滤波器都可以被合并到采样方案中。此外,我们细致的先验设置可以避免每次MCMC迭代中的重新缩放步骤,并允许同时进行模型选择和估计和预测。将该方法应用于1995 - 2016年中国男性死亡率数据,得到2017 - 2039年的死亡率预测。结果与基于插补数据集的结果相当,表明我们的方法可以很好地处理不完整的数据。
2021-03-10 stat.ME
Bayesian probabilistic projections of proportions with limited data: An application to subnational contraceptive method supply shares
Monash University(莫纳什大学);Maynooth University(梅努斯大学);University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
针对地方级避孕供应份额数据不足的问题,本研究提出基于贝叶斯层次模型、结合惩罚样条与空间相关结构的预测方法,利用DHS数据生成可靠的地方级公私部门避孕供应份额估计,优于现有方法,可为分权背景下的计划生育决策提供支持。
2025-10-29 stat.ME
A Bayesian Spatial Modeling Approach to Mortality Forecasting
本文在考虑随机结构和空间自相关效应的基础上,对多总体贝叶斯死亡率预测模型进行了推广。我们解释了高水平的过度分散,根据相邻位置的条件自回归模型的基础上。在实证研究中,我们比较了不同的层次投影模型,用于分析日本各县之间多年来死亡率的地理多样性。通过马尔可夫链蒙特卡罗(MCMC)计算,结果表明,我们提出的模型的灵活性和预测性能。
2021-03-05 stat.ME
Repulsive Mixture Model with Projection Determinantal Point Process
University of California, Irvine(加州大学尔湾分校);University of Milano–Bicocca(米兰比可卡大学);UCLA Fielding School of Public Health(加州大学洛杉矶分校菲尔丁公共卫生学院)
针对贝叶斯混合聚类中成分重叠冗余问题,提出基于投影行列式点过程先验的排斥混合模型,实现可解析后验与高效采样,并提供理论保证,在模拟和神经数据中验证了优越性。
2025-10-09 stat.ME
Flexibly Modeling Shocks to Demographic and Health Indicators with Bayesian Shrinkage Priors
针对人口与健康指标受短期冲击影响导致预测偏差的问题,提出基于贝叶斯收缩先验的灵活建模方法,在不牺牲经验覆盖率与预测误差的前提下显著缩小了不确定性区间。
2024-10-11 stat.ME
Quasi-Bayesian Local Projection Instrumental-Variables Method: Application to Renewable Energy and Electricity Prices
Fukuoka University(福冈大学)
本文提出一种准贝叶斯方法用于局部投影工具变量估计,通过广义矩方法构建准后验,并采用粗糙度惩罚先验平滑不同时间跨度的冲击响应。方法保留传统LP-IV方法的一阶特性,增强有限样本稳定性,并允许联合推断。仿真显示该正则化方法在中长期预测中降低均方误差。
2026-05-15 econ.EM stat.ME
Compressed Bayesian Tensor Regression
University of Toronto(多伦多大学)
针对张量回归中的高维问题,提出广义张量随机投影方法将高维协变量嵌入低维子空间,结合贝叶斯推理框架和低秩参数表示,实现高效预测与计算成本降低。
2026-06-11 stat.CO stat.ME
Constructing Genetic Risk Scores: Robust Bayesian Approach through Projected Summary Statistics and Flexible Shrinkage
Johns Hopkins University(约翰斯·霍普金斯大学);University of Pennsylvania(宾夕法尼亚大学)
本文提出了一种基于投影汇总统计量和灵活收缩的贝叶斯方法,用于构建更稳健的遗传风险评分,通过广泛实验验证其在不同场景下的优越性能。
2026-03-09 stat.ME
Valid Bayesian Inference based on Variance Weighted Projection for High-Dimensional Logistic Regression with Binary Covariates
针对高维基线协变量下二元结果相关分类处理效应的推断挑战,提出基于方差加权投影的正交得分及新型贝叶斯框架,提供一致收敛结果并通过模拟与真实数据分析验证方法有效性。
2024-11-26 math.ST stat.ME stat.TH
Bayesian Estimation of Gaussian Graphical Models with Predictive Covariance Selection
高斯图形模型用于确定变量之间的条件关系。这是通过识别逆协方差阵中非零的非对角元素来实现的。当变量(p)与观测值(n)之比接近1时,协方差阵的极大似然估计量变得不稳定,需要收缩估计。虽然已经引入了几种经典(频率论)方法来解决这个问题,但完全贝叶斯方法在实践和方法学文献中仍然相对罕见。在这里,我们介绍了一种估计稀疏矩阵的贝叶斯方法,其中的条件关系确定与投影预测选择。该方法利用库尔贝克-莱布勒散度和交叉验证进行邻域选择,在低维和高维环境下重建逆协方差阵。通过模拟和应用示例,我们将性能与几种贝叶斯方法和图形套索以及TIGER进行了比较,TIGER类似地使用回归估计逆协方差阵。我们的研究结果表明,投影预测选择不仅具有优越的性能相比,选择最可能的模型和贝叶斯模型平均,特别是对于高维数据,而且相比贝叶斯和经典glasso方法。此外,我们表明,估计逆协方差阵与多元回归往往是更准确的,相对于各种损失函数,和效率比直接估计。在低维环境中,我们证明了投影预测选择也提供了有竞争力的性能。我们在R软件包GGMprojpred中实现了协方差选择的投影预测方法
2018-08-04 stat.AP stat.ME
Clustered Local Projections for Short and Ultra-Short Time Series -- A Hierarchical Bayesian Framework
Federal Reserve Bank of Cleveland(克利夫兰联邦储备银行);Johns Hopkins University(约翰斯·霍普金斯大学);University of Salzburg(萨尔茨堡大学)
本文提出适配非平衡面板的分层贝叶斯聚类局部投影方法,可提升短时间序列的LP估计精度,通过美国价格数据集验证了供应链与石油冲击会引发不同价格指标的异质反应。
2026-08-18 econ.EM stat.ME
Bayesian order identification of ARMA models with projection predictive inference
提出基于投影预测推断的 ARMA 模型阶数识别方法,通过参考模型投影到简约子模型,实验表明其预测性能至少与 AIC 相当且对噪声鲁棒。
2023-07-26 stat.CO stat.ME
Local Interpretable Model-agnostic Explanations of Bayesian Predictive Models via Kullback-Leibler Projections
Helsinki Institute for Information Technology HIIT(赫尔辛基信息技术研究所(HIIT));Aalto University(阿尔托大学)
我们介绍了一种方法,KL-LIME,用于解释贝叶斯预测模型的预测,通过将预测分布中的信息局部投影到一个更简单,可解释的解释模型。所提出的方法结合了最近的本地可解释模型不可知推理(LIME)方法与贝叶斯投影预测变量选择方法的想法。信息论的基础有助于导航之间的权衡解释的保真度和复杂性。我们展示了解释贝叶斯深度卷积神经网络的MNIST数字分类的方法。
2018-10-05 cs.LG stat.ML
A Bayesian Update Method for Exponential Family Projection Filters with Non-Conjugate Likelihoods
King Fahd University of Petroleum and Minerals(法赫德国王石油与矿物大学);Interdisciplinary Research Center of Smart Mobility and Logistics, King Fahd University of Petroleum and Minerals(智能交通与物流跨学科研究中心,法赫德国王石油与矿物大学)
针对非共轭先验下连续-离散指数族投影滤波器的贝叶斯更新难题,提出将更新表述为 $\alpha$-Rényi 散度的黎曼优化,并在高度非高斯问题中验证有效性。
2025-08-26 math.OC stat.AP
Discussion of Big Bayes Stories and BayesBag
我祝贺所有的作者,他们的论文具有深刻的见解和广泛的贡献。这些文章展示了贝叶斯推断范例的强大和优雅。特别是,它允许以令人信服的方式结合先验知识和分层模型构建。关于后者,Raftery,Alkema和German的贡献是一个非常迷人的作品,因为它解决了一系列公众感兴趣的问题,并提出了对世界人口和其他不确定区域的有趣数量的预测。他们的方法基于分层模型,考虑到各种特征(例如,生育预测)。很难找到一种“更好”的解决办法,既能在解释方面同样清楚(与“黑箱机器”形成对照),又能为未来的预测提供(基于模型的)不确定性。
2014-05-20 stat.ME
Advances in projection predictive inference
本文综述了投影预测推断的核心概念与最新进展,提出一种安全、高效、模块化的预测导向模型选择工作流程,并分析了其在因果设定中的局限性。
2024-08-06 stat.CO stat.ME
Bayesian Probabilistic Projection of International Migration Rates
我们提出了一种方法,用于获得所有国家按年龄和性别分列的移民率的联合概率预测。所有国家的共同轨迹都受到限制,以满足全球净移民为零的要求。我们使用样本外验证来评估我们的模型,并将点预测与持久性模型中的预测迁移率进行比较,该持久性模型类似于联合国世界人口展望中使用的方法,并且还与最先进的重力模型进行比较。我们还解决了世界人口移徙比例的增长趋势与各国平均绝对移徙率之间的明显矛盾。
2013-10-26 q-bio.PE stat.AP
Projected Bayesian Spatial Factor Models
USC PPHS Division of Biostatistics(南加州大学预防医学与预防健康科学学院生物统计学系)
本文提出投影贝叶斯空间因子模型,通过投影MCMC方法提升空间因子分析的可扩展性和可识别性,适用于大规模空间数据的低维表示学习。
2025-12-13 stat.ME
Bayesian Projection of Life Expectancy Accounting for the HIV/AIDS Epidemic
虽然存在预测预期寿命的概率预测方法,但很少考虑到与预期寿命有关的协变量。艾滋病毒/艾滋病的普遍流行对一个国家的预期寿命有很大的直接负面影响,但这种影响可以通过广泛使用抗逆转录病毒疗法来减轻。因此,预测方法与普遍的艾滋病毒/艾滋病流行的国家可以改善会计艾滋病毒的流行,未来的流行过程和覆盖率的ART。我们提出了一种方法,使预期寿命的概率预测到2100年,在世界上所有国家会计艾滋病毒的流行,未来的流行过程及其不确定性,成人ART覆盖率。我们扩展了Raftery等人(2013)目前的贝叶斯概率预期寿命预测方法,以考虑艾滋病毒流行率和成人ART覆盖率。我们使用样本外验证来评估我们的方法。我们发现,所提出的方法比不考虑艾滋病毒流行率或ART覆盖率的方法更好地预测普遍流行的国家的预期寿命,而对没有流行病的国家的预测基本保持不变。
2016-09-27 stat.AP
Random projections for Bayesian regression
本文讨论随机投影作为贝叶斯回归分析的数据简化技术。我们证明了充分的条件下,整个$d$维分布是近似保存随机投影下减少数据点的数量从$n$到$k\in O(\operatorname{poly}(d/\varepsilon))$的情况下$n\gg d$。在温和的假设下,我们证明,评估高斯似然函数的基础上,而不是原始数据的预测数据产生一个$(1+O(\varepsilon))$ -近似的$\ell_2$ Wasserstein距离。我们的主要结果表明,贝叶斯线性回归的后验分布近似到一个小的误差,仅依赖于其定义参数的$\varepsilon$ -分数。当使用任意高斯先验或$β$的$\mathbb{R}^d$上均匀分布的退化情况时,这是成立的。我们的经验评估涉及不同的模拟设置贝叶斯线性回归。我们的实验强调,所提出的方法是能够恢复的回归模型,以小的误差,同时大大减少了总的运行时间。
2015-11-30 cs.DS stat.CO
Edge-promoting adaptive Bayesian experimental design for X-ray imaging
这项工作认为连续的边缘促进贝叶斯试验设计(离散)线性逆问题,例如X射线断层扫描。在贝叶斯框架中解释了通过滞后扩散率迭代计算成像体内吸收的总变分类型重建的过程。假设一个高斯加性噪声模型,这导致一个近似的高斯后验与协方差结构,其中包含信息的边缘位置的后验均值。然后通过A-最优贝叶斯设计选择下一个投影几何,这对应于最小化说明新投影的更新后验协方差阵的迹。二维和三维数值模拟数据的基础上的例子证明了所介绍的方法的功能。
2021-04-01 cs.NA math.NA stat.ME
Probabilistic projections of HIV prevalence using Bayesian melding
联合国艾滋病毒/艾滋病联合规划署(艾滋病规划署)制定了一套估计和预测资料,以便根据产前诊所观察到的流行趋势,对艾滋病毒流行情况进行国家估计和短期预测。评估其估计和预测的不确定性是重要的知情的政策决策,我们建议使用贝叶斯融合。流行率数据和关于EPP模型的输入参数的其他信息用于导出概率HIV流行率预测,即在一组未来流行率轨迹上的概率分布。我们将产前诊所患病率与人口患病率联系起来,并使用随机效应模型解释诊所之间的变异性。临床患病率的预测区间推导出检查模型。我们讨论了EPP模型的预测结果和贝叶斯融合程序的乌干达,在那里的患病率在1990年达到峰值约28%,2010年的95%的预测区间范围从2%到7%。
2007-09-04 stat.AP
Relations Between the Conditional Normalized Maximum Likelihood Distributions and the Latent Information Priors
我们揭示了条件归一化最大似然(CNML)分布和贝叶斯预测密度的基础上的潜在信息先验(LIPs)之间的关系。特别地,CNML 3,这是一种类型的CNML分布,进行了研究。预测密度的贝叶斯投影,这是一个信息投影的预测密度的贝叶斯预测密度的集合,被认为是。我们证明了CNML 3的Bayes投影散度与条件互信息之和是渐近常数。这一结果意味着CNML 3的贝叶斯投影(BPCNML 3)与基于LIP的贝叶斯预测密度渐近相同。此外,在一些更强的假设下,我们证明了BPCNML 3与基于LIP的贝叶斯预测密度完全一致。
2014-12-25 math.ST stat.TH
Bayesian one-mode projection for dynamic bipartite graphs
University of Oxford(牛津大学)
我们提出了一种贝叶斯方法,用于单模式投影一个二分网络,该网络在一系列离散的时间步长中被观察到。所得到的单模式网络捕获每个链路的存在/不存在的不确定性,并提供其可能的权重值的概率分布。此外,结合先前状态的先验知识使所得网络对数据收集过程中通常发生的噪声和缺失观测不太敏感。该方法包括计算成本低廉的更新规则,并可扩展到大的问题,通过适当的分布式实现。
2012-12-12 cond-mat.stat-mech cs.LG stat.ML
Bayesian Poisson Log-normal Model with Regularized Time Structure for Mortality Projection of Multi-population
死亡率预测的改进是与保险,人口统计学和公共政策相关的各个分支的关键主题。受Lee-Carter相关模型的启发,我们提出了一个贝叶斯模型来估计和预测多人口的死亡率。该模型具有群体间信息借用和数据变异性反映的特点。它还提供了一个长期被忽视的问题的解决方案:特定于人口的时间参数的依赖结构的模型选择。通过引入Dirac尖峰函数,可以在不增加太多计算量的情况下同时实现群体时间效应的模型选择和估计.我们使用日本的人类死亡率数据库的死亡率数据来说明我们的模型所需的属性。
2020-10-09 stat.AP
Posterior Projection for Inference in Constrained Spaces
University of New South Wales(新南威尔士大学);University of Western Australia(西澳大学);Duke University(杜克大学)
本文提出一种通用框架,通过将无约束后验分布投影到参数约束空间中,解决参数受限推断问题,提供高效且易实现的解决方案,并建立理论基础与渐近结果。
2026-04-02 stat.ME
Bayesian High-dimensional Linear Regression with Sparse Projection-posterior
提出一种基于稀疏投影后验的贝叶斯高维线性回归方法,实现估计、不确定性量化与变量选择,理论保证最优收缩率,并支持分布式计算,在模拟和真实数据中表现优异。
2025-02-27 math.ST stat.ME stat.TH
Bayes without Underfitting: Fully Correlated Deep Learning Posteriors via Alternating Projections
Technical University of Denmark(丹麦技术大学)
本文针对贝叶斯深度学习易欠拟合的问题,提出在广义高斯-牛顿矩阵零空间中构建后验近似,并设计交替投影算法,在保证预测精度的同时实现可扩展的不确定性量化。
2024-10-22 cs.LG stat.ML
A Bayesian cohort component projection model to estimate adult populations at the subnational level in data-sparse settings
国家以下各级人口的准确估计对于政策制定和监测人口健康指标十分重要。例如,对育龄妇女人数的估计对于了解面临孕产妇死亡风险和避孕需求未得到满足的人口十分重要。然而,在许多低收入国家,关于人口计数和人口变化组成部分的数据有限,因此国家以下一级的水平和趋势不清楚。我们提出了一个贝叶斯约束的队列组件模型的估计和预测的国家以下的人口。该模型建立在一个群组组成预测框架的基础上,纳入了人口普查数据和联合国《世界人口展望》的估计数,并使用特征死亡率表来获得人口计数和人口变化组成部分的估计数,包括国内移徙。该模型所需的投入数据很少,而且可在包括大多数低收入国家在内的许多国家获得。该模型用于估计和预测1979-2019年肯尼亚各县的人口,并根据2019年肯尼亚人口普查进行验证。
2021-02-12 stat.AP
Global estimation and scenario-based projections of sex ratio at birth and missing female births using a Bayesian hierarchical time series mixture model
出生性别比(SRB)定义为男性与女性活产的比率。过去几十年来,世界部分地区的生育率失衡是性别选择性人工流产的直接后果,其原因是重男轻女、产前性别测定技术容易获得以及生育率下降。由于硫酸盐还原菌参考水平的可变性以及与硫酸盐还原菌观测相关的不确定性,对硫酸盐还原菌失衡程度的估计和预测是复杂的。我们开发贝叶斯分层时间序列混合模型的SRB估计和预测为基础的所有国家从1950年到2100年。我们模拟了SRB区域和国家参考水平,以及围绕国家参考水平的波动。我们确定了存在SRB失衡风险的国家,并对(i)这些国家是否存在性别比例过渡以及(ii)过渡过程(如果存在)进行建模。工作人员代表机构失衡的过渡模式分为三个阶段(增加、停滞和向工作人员代表机构基线收敛)。该模型以完全贝叶斯方法确定了具有SRB通货膨胀统计证据的国家。以里约热内卢为基础的工代机构预测是以性别比例转变模式为基础的,对高风险国家发生性别比例转变的情况作了不同的假设。预测被用来量化在不同假设情况下因针对胎儿性别进行选择性人工流产而造成的未来女婴出生缺失的负担。
2020-11-30 stat.AP
Bayesian Projected Calibration of Computer Models
我们开发了一种贝叶斯方法,称为贝叶斯投影校准,以解决校准一个不完美的计算机模型,使用观测数据从一个复杂的物理系统的问题。校准参数和物理系统通过$L_2$投影以可识别的方式参数化。物理过程被分配一个高斯过程先验,这自然会导致通过$L_2$投影约束的校准参数的先验分布。通过校正参数的后验分布估计校正参数,为不确定度的量化提供了一种自然的、非渐近的方法。我们提供了一个严格的大样本的理由,所提出的方法,通过建立有效的协方差阵的校准参数的后验的渐近正态性。此外,设计了两种基于随机逼近的有效计算算法,并给出了理论保证。通过广泛的模拟研究和两个真实世界的数据集分析,我们表明,贝叶斯投影校准可以准确地估计校准参数,适当地校准计算机模型,并与其他方法相比。
2019-02-07 math.ST stat.ME stat.TH
A Bayesian Ensemble Projection of Climate Change and Technological Impacts on Future Crop Yields
本研究提出全概率下的贝叶斯层次建模框架,扩展计量作物产量模型纳入国别误差方差,分解预测不确定性来源,在全球小麦产量分析中显著提升预测校准度与概率准确性,为农业气候战略制定提供风险敏感的决策支持。
2025-07-29 econ.EM stat.AP
Variational Inference as Iterative Projection in a Bayesian Hilbert Space with Application to Robotic State Estimation
University of Toronto Institute for Aerospace Studies(多伦多大学航空航天研究所)
变分贝叶斯推理是一种重要的机器学习工具,从统计学到机器人技术都有应用。我们的目标是找到一个近似的概率密度函数(PDF)从一个选定的家庭,在某种意义上是“最接近”的完整的贝叶斯后验。接近度通常通过选择适当的损失函数来定义,例如Kullback-Leibler(KL)散度。在本文中,我们探索了一个新的变分推理公式,利用这一事实,即(大多数)PDF是贝叶斯希尔伯特空间的成员下仔细定义的向量加法,标量乘法和内积。我们表明,在适当的条件下,基于KL发散的变分推理可以相当于迭代投影,在欧几里得意义上,贝叶斯后验到对应于所选近似族的子空间上。我们的工作通过高斯近似家庭的具体情况下,这个一般框架的细节,并显示等价于另一个高斯变分推理方法。我们还讨论了系统表现出稀疏性,这是自然的贝叶斯空间中处理的影响,并给出了一个高维机器人状态估计问题,可以处理的结果的例子。我们提供了一些初步的例子,该方法可以应用于非高斯推理,并详细讨论了该方法的局限性,以鼓励沿着这些路线的后续工作。
2022-09-26 cs.LG cs.RO stat.ML
Bayesian Projection of Extant Refugee and Asylum Seeker Populations
NYU Grossman School of Medicine, USA(纽约大学格罗斯曼医学院);University of Washington, USA(华盛顿大学)
本文提出基于贝叶斯分层时间序列和中断逻辑过程的建模流程,利用UNHCR数据按原籍国预测难民与寻求庇护者人口,并验证其1、5、10年预测效果。
2025-10-20 stat.AP
Bayes Extended Estimators for Curved Exponential Families
贝叶斯预测密度具有复杂的表示形式,除了在有限的情况下,不属于任何有限维统计模型。在本文中,我们介绍了它的简单的近似表示利用其投影到一个有限维指数族。当模型属于曲线指数族时,它的理论性质与贝叶斯预测密度的理论性质相似。它还表明,投影渐近一致的插件密度与后验均值的期望参数的指数族,我们称之为贝叶斯扩展估计。信息几何对应表明贝叶斯预测密度可以表示为无穷维指数族的后验均值。通过数值模拟证明了该近似的Kullback-Leibler风险性能,并表明随着指数族维数的增加,期望参数的后验均值逼近贝叶斯预测密度。它还表明,近似投影到一个指数家庭的合理规模是实际上有利的风险性能和计算成本。
2020-10-29 math.ST stat.TH
A Bayesian Approach to CT Reconstruction with Uncertain Geometry
计算机断层摄影是一种用于从投影集合合成对象的体积或横截面图像的方法。计算机断层扫描的流行重建方法是基于理想化的模型和假设,在实践中可能是无效的。一个这样的假设是精确的投影几何形状是已知的。投影几何描述了每个投影的辐射源、对象和检测器的相对位置。然而,在实践中,用于描述辐射源、对象和检测器的位置和取向的几何参数是具有不确定性的估计量。未能准确估计几何形状可能导致重建时出现严重的未对准伪影,从而显著降低其科学或诊断价值。我们提出了一种新的重建方法,联合估计重建和投影几何。重建方法是基于贝叶斯方法,产生重建和几何参数的点估计,此外,还提供了有关其不确定性的有价值的信息。这是通过使用分层吉布斯采样器从重建和投影几何的联合后验分布中近似采样来实现的。使用真实的断层数据,我们证明了所提出的重建方法显着减少错位文物。与两种常用的对齐方法相比,我们提出的方法在具有挑战性的条件下取得了相当或更好的结果。
2022-03-02 cs.NA math.NA stat.AP
Projection Predictive Inference for Generalized Linear and Additive Multilevel Models
投影预测推理是一种决策理论贝叶斯方法,它将模型估计与决策相结合。给定先前构建的包括数据中存在的所有变量的参考模型,投影预测推理将其后验投影到变量子集的约束空间上。然后通过顺序添加相关变量来进行变量选择,直到预测性能令人满意。以前,投影预测推理已被证明只有广义线性模型(GLM)和高斯过程(GP),它表现出优越的性能,竞争变量的选择程序。在这项工作中,我们扩展了投影预测推理,以支持广义线性多水平模型(GLP-S)和广义加性多水平模型(GAMM)的变量和结构选择。我们的模拟和真实世界的实验表明,我们的方法可以大大降低所需的模型复杂度,达到参考预测性能,并实现良好的频率特性。
2020-10-14 stat.CO stat.ME
De Finetti + Sanov = Bayes: Exchangeable Prediction under Moment Constraints
Booth School of Business, University of Chicago(芝加哥大学布斯商学院);Muma College of Business, University of South Florida(南佛罗里达大学穆马商学院)
研究在经验矩约束下的可交换预测,通过德·菲内蒂混合、吉布斯条件原理等方法,在有限字母表上给出主不等式,经混合和收敛分析,得出顺序预测是贝叶斯预测,还发现最小化约束率子族的二分法及主界的等价性。
2026-07-30 math.ST stat.ME stat.TH
Bayesian exponential family projections for coupled data sources
Aalto University(阿尔托大学);School of Science and Engineering(科学与工程学院);Helsinki Institute for Information Technology(赫尔辛基信息技术研究所)
近年来,指数族扩展主成分分析(EPCA)受到了相当多的关注,这表明人们越来越需要不假设平方损失或高斯分布的基本建模工具。在EPCA统一表示为指数族自然参数矩阵分解的基础上,提出了偏最小二乘和典型相关分析的第一指数族多视图学习方法,扩展了EPCA模型工具箱。该模型是基于一个新的家庭的先验,一般可用于所有此类分解。我们还介绍了新的推理策略,并演示了如何的方法优于早期的高斯假设不成立时。
2012-03-15 cs.LG stat.ML
A Bayesian Projection of the Total Fertility Rate of Puerto Rico: 2020-2050
本研究针对波多黎各生育率骤降问题,修正联合国贝叶斯生育率预测的低生育率回升假设,结合相近国家数据预测2050年其TFR或为1.1,人口下降幅度或超现有预测。
2023-08-27 stat.AP
Bayesian Estimation of Sparse Spiked Covariance Matrices in High Dimensions
我们提出了一个贝叶斯方法估计尖峰协方差阵的联合稀疏结构在高维。根据潜在因子模型对加标协方差阵进行重新参数化,其中加载矩阵配备了新型矩阵钉板LASSO先验,这是一种用于联合稀疏矩阵建模的连续收缩先验。我们建立了协方差阵关于算子范数的速率最优后验压缩以及主子空间关于投影算子范数损失的速率最优后验压缩。我们还研究了主子空间的后验收缩率相对于2到无穷范数损失,一种新的损失函数测量子空间之间的距离,能够捕获元素的特征向量扰动。我们表明,后验收缩率相对于2到无穷大的范数损失是严格的,比常规使用的投影算子范数损失在一定的低秩和有界相干条件下。此外,提出了一个主子空间的点估计与率最优风险界的投影算子范数损失。这些结果是基于矩阵尖峰和平板LASSO先验的浓度和大偏差不等式的集合。所提出的方法的数值性能进行评估,通过合成的例子和分析的一个真实世界的人脸数据的例子。
2019-01-30 math.ST stat.ME stat.TH
Bayes-raking: Bayesian Finite Population Inference with Known Margins
分类挖掘广泛应用于分类数据建模和调查实践中,但面临着方法和计算上的挑战。我们开发了一个贝叶斯范式,通过将边际约束作为一个先验分布通过两个主要的策略:1)通过基函数或投影矩阵构建的解决方案的子空间和2)建模软约束。建议贝叶斯耙估计集成的利润率,样本选择和响应机制,和结果的模型,传播所有来源的不确定性的能力。计算通过Stan完成,代码可供公众使用。仿真研究表明,贝叶斯排序可以执行以及大样本的排序,并在有效性和效率增益方面表现出色,特别是在稀疏列联表或相关的排序因子。我们将新方法应用于幸福感的纵向研究,并证明基于模型的方法作为一个统一的调查推理框架,显着提高了推理的可靠性和实质性的发现。
2019-09-05 stat.CO stat.ME
Bayesian Distributionally Robust Merton Problem with Nonlinear Wasserstein Projections
Stanford University(斯坦福大学);New York University(纽约大学);The Chinese University of Hong Kong (Shenzhen)(香港中文大学(深圳))
本文提出了一种基于贝叶斯分布鲁棒方法的梅顿问题,通过非线性瓦瑟斯坦投影优化,减少悲观性并提升频繁再平衡下的投资绩效。
2026-08-17 math.OC math.PR math.ST
BelMan: Bayesian Bandits on the Belief--Reward Manifold
Chalmers University of Technology(查尔姆斯理工大学);ENS(巴黎高等师范学院);CNRS(法国国家科学研究中心);PSL University(巴黎文理研究大学);Inria(法国国家信息与自动化研究所);National University of Singapore(新加坡国立大学)
我们提出了一个通用的,贝叶斯,信息几何方法的探索-开发权衡多臂强盗问题。我们的方法,贝尔曼,统一支持纯勘探,勘探开发,两阶段的土匪问题。强盗武器和他们的奖励分布的知识总结的信念和奖励的武器,\emph{pseudobelief-reward},在信念奖励流形的联合分布的重心。BelMan交替使用\emph{information projection}和\emph{reverse information projection},即,将伪信念-奖励投影到信念-奖励上以选择要玩的手臂,以及将所得的信念-奖励投影到伪信念-奖励上。它引入了一种通过\emph{focal distribution}注入剥削性偏见的机制,即,奖励分配逐渐集中在更高的奖励上。比较性能评估与国家的最先进的算法表明,贝尔曼不仅是有竞争力的,但也可以优于其他方法在特定的设置,例如,涉及许多武器和连续的奖励。
2019-06-22 cs.AI cs.LG stat.ML
Conditional projection methods for large-scale Bayesian VARs
University of Strathclyde(斯特拉斯克莱德大学);WU Vienna(维也纳经济大学)
该研究针对大规模贝叶斯向量自回归模型开发快速条件投影方法,通过因子结构实现高效估计,用于美国宏观金融变量的油价情景反事实预测,揭示相同油价路径对应不同经济结果的冲击机制。
2026-10-30 econ.EM stat.CO
Optimal projection of observations in a Bayesian setting
本文提出基于信息论的最优观测投影方法,用于高维数据下的高斯线性模型贝叶斯推断。通过最小化KL散度和最大化互信息的方法,探讨了最优子空间的确定及Riemann优化算法的应用。
2018-02-12 cs.NA math.NA math.PR
Discretization-invariant Bayesian inversion and Besov space priors
考虑了一个间接测量反问题的贝叶斯解$M = AU + {\mathcal{E}}$,其中$U$是$R^d$的定义域上的函数.这里$A$是平滑线性算子,$ {\mathcal{E}}$是高斯白噪声。数据是随机变量$M_k = P_kA U+P_k {\mathcal{E}}$的实现$m_k$,其中$P_k$是与测量设备相关的线性有限维算子。为了允许计算机化反演,未知被离散化为$U_n=T_nU$,其中$T_n$是有限维投影,导致计算测量模型$M_{kn}=P_k A U_n + P_k {\mathcal{E}}$。贝叶斯公式给出了$R^d$中的后验分布$π_{kn}(u_n | m_{kn})\simπ_n(u_n) \exp(-{1/2}\|m_{kn} - P_kA u_n\|_2^2)$,平均值$U^{CM}_{kn}:=\int u_n π_{kn}(u_n | m_k) du_n$被认为是$U$的重建。我们讨论了一个系统的方式选择先验分布$\prior_n$的所有$n\geq n_0>0$通过实现它们作为一个分布在无限维极限情况下的投影。先验分布的这种选择是{ \em离散不变},因为$\prior_n$表示所有$n$的相同{ \em先验}信息,并且平均$U^{CM}_{kn}$收敛到极限估计为$k,n\to\infty$。高斯平滑先验和基于小波的Besov空间先验被证明是…
2009-01-27 math.PR stat.ME
Dimension adaptability of Gaussian process models with variable selection and projection
现在已知的是,配备有重新缩放的扩展高斯过程模型可以适应许多非参数贝叶斯分析中函数值参数的不同平滑度水平,提供对于真实函数所属的平滑度类而言是最优的(直到对数因子)后验收敛速度。该最佳速率还取决于函数的域的维度,并且可以通过将分析投射在不等于关于真实函数的任何信息的损失的较低维度子空间中来潜在地获得更快的收敛收敛速率。一般来说,这样的子空间不是先验已知的,但可以通过为模型配备变量选择或线性投影来探索。我们证明了,对于非参数回归,分类,密度估计和密度回归,配备变量选择或线性投影的重新缩放高斯过程模型提供了一个后验收敛速度是最佳的(对数因子)的最低维中,分析可以铸造没有任何信息的损失的真实功能。这种降维功能的理论探索出现新颖的贝叶斯非参数模型,或没有高斯过程。
2011-12-04 math.ST stat.ME stat.ML