Robust a posteriori estimation of probit-lognormal seismic fragility curves via sequential design of experiments and constrained reference prior
CMAP, CNRS, École polytechnique, Institut Polytechnique de Paris（CMAP，法国国家科学研究中心，巴黎综合理工学院，巴黎理工学院）
本文提出了一种基于序列实验设计和约束参考先验的方法，用于稳健估计概率-对数正态地震脆弱曲线，有效缓解小数据下的似然退化问题。
2025-12-16 stat.AP
Bayesian significance test for discriminating between survival distributions
本文的主要目的是评价FBST，完全贝叶斯显著性检验，仅限于生存模型。生存分布应在树中选择，对数正态分布，伽玛分布和威布尔分布。对于这种歧视，一个线性混合的三个分布，其中的混合权重定义的狄利克雷分布的顺序三，是一个重要的工具：FBST是用来测试的假设定义的混合权重空间。该文件的另一个特点是，所有三个分布重新参数化，所有六个参数-每个分布两个-被写入的函数的平均值和方差的人口进行了研究。请注意，这三个分布在混合模型中共享相同的两个参数。混合密度于是具有四个参数，相同的两个用于三个区分密度，两个用于混合权重。一些数值模拟结果与一些右删失数据被认为是。对数正态-伽马-威布尔模型也适用于一个真正的研究与数据集组成的患者的生存时间的慢性肾功能衰竭的末期接受血液透析程序的患者;数据来自里约热内卢医院。权重的后验密度表示混合权重的顺序，FBST用于区分三种生存分布。关键词：模型选择;分离模型;生存分布;混合模型;显著性检验; FBST
2017-05-31 stat.ME
Improved Variational Bayesian Phylogenetic Inference with Normalizing Flows
变分贝叶斯系统发育推断（VBPI）提供了一个有前途的通用变分框架，有效地估计系统发育后验。然而，目前的对角对数正态分支长度近似将显着限制近似分布的质量。在本文中，我们提出了一种新型的VBPI，VBPI-NF，作为使用深度学习技术进行系统发育后验估计的第一步。通过使用精心设计的置换等变变换处理系统发育模型的非欧几里德分支长度空间，VBPI-NF使用规范化流来提供丰富的灵活分支长度分布家族，这些分支长度分布可以在不同的树拓扑中进行推广。我们表明，VBPI-NF显着改善香草VBPI的基准挑战真实数据贝叶斯系统发育推理问题。进一步的研究还表明，在这些置换等变变换中的结构化参数化可以提供额外的摊销收益。
2020-12-01 q-bio.PE stat.ML
Bayesian matching of unlabelled point sets using Procrustes and configuration models
研究了利用贝叶斯推断匹配无标号点集的问题。最近提出的两种模型的可能性进行了比较，根据Procrustes的大小和形状和完整的配置。利用马尔可夫链蒙特卡罗模拟对匹配点集进行贝叶斯推断。改进现有的Procrustes算法，提出了提高收敛速度，偶尔使用大的跳跃在老化期间。的Procrustes和配置方法进行了比较，在模拟研究和使用真实的数据，它是感兴趣的，以估计蛋白质结合位点之间的匹配的强度。这两种方法的性能通常非常相似，并且使用拉普拉斯近似在两个模型之间建立连接。
2010-09-16 stat.AP stat.CO stat.ME
Quantifying Uncertainty in Discrete-Continuous and Skewed Data with Bayesian Deep Learning
Northeastern University（东北大学）；risQ Inc.（risQ公司）；Bay Area Environmental Research Institute（湾区环境研究所）；NASA Ames Research Center（美国国家航空航天局艾姆斯研究中心）；NASA Advanced Supercomputing Division（美国国家航空航天局高级超级计算部）
深度学习（DL）方法一直在改变计算机视觉，并对包括气候变化在内的其他领域进行创新性调整。对于深度学习，以普及科学和工程（S&E）的应用程序，风险管理是一个核心组成部分，良好的特征化的不确定性估计必须伴随着预测。然而，S&E观测和模型模拟通常遵循严重偏斜的分布，并且不能用DL方法很好地建模，因为它们通常优化高斯或欧几里得似然损失。贝叶斯深度学习（BDL）的最新发展为我们提供了一个基础，它试图从随机的噪声观测和未知的模型参数中捕获不确定性。在这里，我们提出了一个离散连续的BDL模型与高斯和对数正态似然不确定性量化（UQ）。我们通过在“DeepSD”上开发UQ估计来证明这种方法，DeepSD是一种基于超分辨率的DL模型，用于气候中应用于降水的统计降尺度（SD），它遵循一个非常偏斜的分布。我们发现，离散-连续模型在预测精度和不确定性校准方面优于基本高斯分布。此外，我们发现，对数正态分布，它可以处理偏态分布，在极端情况下产生质量不确定性估计。这些结果可能对整个S&E以及其他领域（如金融和经济）都很重要，在这些领域，极端情况往往具有重大意义。此外，据我们所知，这是第一个UQ模型在SD的任意和认知的不确定性的特点。
2018-05-24 cs.AI cs.LG stat.ML
Bayesian, frequentist and fiducial intervals for the difference between two binomial proportions
将研究估计两个二项比例之间的差异，其中将考虑贝叶斯、频率论和置信（BFF）方法。将使用三个模糊先验，Jeffreys先验，发散先验和概率匹配先验。概率匹配先验是一种先验分布，在这种分布下，某些区域的后验概率与它们的覆盖概率一致。信念推断可以被看作是一个过程，它在参数空间上获得一个度量，同时假设小于贝叶斯推断所做的，即没有先验。Fisher提出了信念概率和信念推断的概念。在某些情况下，信念分布相当于杰弗里斯后验。Jeffreys先验、发散先验和概率匹配先验的性能将与基准方法和为两个独立二项式参数之间的差异构建置信区间的其他经典方法进行比较。这些间隔将通过观察其覆盖率和平均间隔长度进行比较和评估。概率匹配和发散先验比Jeffreys先验性能更好。
2021-11-16 stat.AP
Commentary on Bayesian coincidence assessment (cross-matching)
本文是对Tamas Budavari的演讲“关于天文学中的统计交叉识别”的特邀评论，该演讲于2011年6月在宾夕法尼亚州立大学举行的现代天文学V会议的统计挑战。我首先简要回顾了以前在天文学中对方向和时空巧合进行概率（贝叶斯）评估的工作（例如，跨多个目录的对象的交叉匹配或交叉识别）。然后，我讨论了一个开放的问题，在最近的创新工作Budavari和他的同事在大规模概率交叉识别：如何分配先验概率，在分析中发挥重要作用。一个简单的玩具问题，我展示了贝叶斯多层次建模（分层贝叶斯）提供了一个原则性的框架，证明和推广实用的经验法则，已成功地使用Budavari的团队分配先验。
2012-06-19 astro-ph.IM stat.AP
Modeling Complex Life Systems: Bayesian Inference for Weibull Failure Times Using Adaptive MCMC
本研究针对威布尔失效时间分析的先验选择难题，提出结合分层贝叶斯模型与NUTS的自适应半参数MCMC算法，通过模拟确定最优先验，可处理不同失效率场景，在前列腺癌剩余寿命预测中具实用价值，推动了复杂生命系统贝叶斯建模方法发展。
2025-06-13 stat.CO stat.ME
A note on the normality assumption for Bayesian models of constraint in behavioral individual differences
为了研究行为任务表现的个体差异结构，Haaf和Rouder（2017）开发了一类分层贝叶斯混合模型，对个体效应具有不同程度的约束。然后通过贝叶斯因子比较模型，告诉我们哪个模型最能预测观测数据。对他们的方法的一个常见的批评是假设观测数据是从正态分布中得出的。然而，对于大多数认知任务，性能的主要衡量标准是响应时间，众所周知，其分布不是正态的。本文研究了数值认知中两个数据集的正态性假设。具体来说，我表明，使用移位对数正态模型的响应时间不会改变推理的整体模式。此外，由于模型估计的效应现在处于对数尺度，因此建模的解释变得更加困难，特别是因为估计的效应现在是乘法而不是加法。因此，我建议即使响应时间一般不是正态分布的，Haaf和Rouder（2017）方法提供的简化提供了一种实用的方法来建模行为任务中的个体差异。
2022-10-20 stat.AP stat.ME
GPMatch: A Bayesian Doubly Robust Approach to Causal Inference with Gaussian Process Covariance Function As a Matching Tool
在较弱的因果假设下，提出了一种基于完全贝叶斯框架的高斯过程（GP）协方差函数作为GPMatch的匹配工具。利用GP先验协方差函数定义匹配距离实现匹配。我们表明，GPMatch提供了一个双重的平均处理效应（ATE）的鲁棒估计很像G-估计，ATE是正确的估计时，满足以下任一条件：1）GP均值函数正确指定潜在的结果\(Y^{(0)}\) ;或2）GP协方差函数正确指定匹配结构。进行模拟研究，没有假设任何已知的匹配结构，也没有功能形式的结果。结果表明，GPMatch具有良好的校准频率属性，并优于许多广泛使用的方法，包括贝叶斯加性回归树。该案例研究使用从电子病历中提取的数据，比较了早期积极使用生物药物治疗新诊断的青少年特发性关节炎儿童的有效性。
2019-03-14 stat.ME
Bayesian Estimation of Bipartite Matchings for Record Linkage
二分记录连接任务包括合并两个不同的文件，其中包含两个重叠实体集的信息。在没有唯一标识符的情况下，这是不平凡的，并且对于各种各样的应用程序都很重要，因为每当我们必须组合来自不同来源的信息时，都需要解决这个问题。目前用于记录联系的大多数统计技术都来自Fellegi和Sunter（1969）的一篇开创性论文。这些技术通常假设独立的记录对的匹配状态，以获得估计过程和最佳点估计。我们认为，这种独立性的假设是不合理的，而不是目标的二分匹配的两个目标作为我们感兴趣的参数。贝叶斯实现使我们能够量化匹配决策的不确定性，并使用不同的损失函数推导出各种点估计量。我们提出了部分贝叶斯估计，允许不确定的部分的二分匹配，以待解决。我们使用各种具有挑战性的场景来评估我们的方法来记录链接，并表明它优于传统的方法。我们说明了我们的方法的优点合并两个伤亡人数从萨尔瓦多内战。
2016-01-25 stat.AP stat.ME stat.ML
Unlabelled landmark matching via Bayesian data selection, and application to cell matching across imaging modalities
我们考虑两个未标记的点集之间的地标匹配的问题，特别是在每个云中的点的数量可能不同，并且在每个云中的点可能没有相应的匹配。我们调用贝叶斯框架来识别将一个云映射到另一个云的坐标变换，以及点的对应关系。这个问题需要一个新的方法，贝叶斯数据的选择;模型参数的同时推理，并选择的数据，导致最适合的模型的大多数数据。我们将其应用于发育生物学中的一个问题，其中地标对应于分割的细胞中心，细胞的潜在死亡或分裂可能导致每个图像的点集之间的差异。我们使用计算机测试和显微注射荧光标记实验来验证我们的方法的有效性。随后，我们将我们的方法应用于实时成像和免疫染色实验之间的细胞匹配，促进成像模式之间的单细胞数据的组合。此外，我们的贝叶斯数据选择方法广泛适用于数据科学，并有可能改变我们对数据拟合模型的思考方式。
2022-05-31 stat.ME
Online and Distributed learning of Gaussian mixture models by Bayesian Moment Matching
David R. Cheriton School of Computer Science, University of Waterloo（滑铁卢大学大卫·R·切里顿计算机科学学院）
高斯混合模型是聚类和数据建模的经典技术，在许多应用中使用。随着大数据的兴起，需要能够处理流数据并将计算分布在多个处理器上的参数估计技术。虽然存在期望最大化（EM）算法的在线变体，但它们的数据效率因E步的随机近似而降低，并且不清楚如何将计算分布在多个处理器上。我们提出了一种贝叶斯学习技术，自然适合在线和分布式计算。由于贝叶斯后验是不听话的，我们将其投影到一个家庭听话的分布后，每个观察匹配一组足够的时刻。在一组数据建模基准上，这种贝叶斯矩匹配技术在时间和精度方面优于在线EM。
2016-09-19 cs.AI cs.LG stat.ML
Bayesian matching of unlabeled marked point sets using random fields, with an application to molecular alignment
统计方法学提出了比较未标记的标记点集，与应用对齐类固醇分子的化学信息学。从统计形状分析的方法相结合的技术，用于预测随机场在空间统计学，以定义一个合适的措施，两个标记点集之间的相似性。提出了点集对之间的预测场重叠的贝叶斯建模，并使用马尔可夫链蒙特卡罗模拟进行比对的后验推断。通过在再生核希尔伯特空间中表示场，可以计算重叠度而无需昂贵的数值积分。叠加整个场而不是点坐标的配置矩阵，从而避免了点之间通常没有明确的一一对应关系的问题。此外，在模型中引入了掩码参数，从而可以对标记点集进行部分匹配。我们还提出了一个适应的广义Procrustes分析算法的同时对齐的多个点集。该方法与模拟研究，然后应用到一个数据集的31类固醇分子，其中形状和结合活性之间的关系，皮质类固醇结合球蛋白受体进行了探讨。
2012-03-01 stat.AP
A Fast Non-Gaussian Bayesian Matching Pursuit Method for Sparse Reconstruction
提出了一种基于贝叶斯方法的快速匹配追踪稀疏信号恢复方法。该方法被称为nGpFBMP，即使当信号先验是非高斯或未知时，也执行稀疏信号的贝叶斯估计。它是不可知的信号统计，并利用先验统计的加性噪声和稀疏率的信号，这是很容易估计的数据，如果没有。nGpFBMP利用一个贪婪的方法和顺序递归更新的度量，找到最主要的稀疏支持，以确定近似的最小均方误差（MMSE）估计的稀疏信号。仿真结果表明，我们提出的估计的权力和鲁棒性。
2012-06-19 stat.OT
Lognormal and Gamma Mixed Negative Binomial Regression
Duke University（杜克大学）
在计数的回归分析中，由于缺乏简单有效的后验计算算法，使得贝叶斯方法显得缺乏吸引力，从而发展不足。我们提出了一个对数正态和伽马混合负二项（NB）回归模型计数，并提出了有效的封闭形式贝叶斯推断，不同于传统的泊松模型，所提出的方法有两个自由参数，包括两种不同的随机效应，并允许将先验信息，如稀疏性的回归系数。通过在NB离散参数r上放置一个Γ分布先验，并将对数正态分布先验与NB概率参数p的logit相联系，得到了有效的吉布斯抽样和变分贝叶斯推断.封闭形式的更新是通过利用条件共轭通过复合泊松表示和Polya-Γ分布为基础的数据增强方法。建议的贝叶斯推断可以实现常规，同时很容易推广到更复杂的设置，涉及多元依赖结构。最后用实例说明了算法的有效性。
2012-06-27 cs.LG stat.AP stat.ME
Bayesian hierarchical space-time models to improve multispecies assessment by combining observations from disparate fish surveys
许多受人类活动影响的野生物种需要采用不同设计的多次调查，以捕捉对广泛栖息地条件的行为反应，并对其进行绘图和量化。例如，虽然使用不同渔具进行的交叉但不同的鱼类调查的数据广泛存在，但设计和方法上的差异往往限制了它们的整合。新的统计方法可以利用来自不同来源的观测结果，可以提高我们对多个物种同时分布的理解，从而为保护其种群和生物多样性提供重要证据。在INLA-SPDE框架内使用一种新的贝叶斯分层二项式对数正态栅栏建模方法，我们结合并分析了北海鲱鱼，鲱鱼和东北大西洋鲭鱼的声学和底拖网调查数据。这些模型使用INLA-SPDE技术实现。除了增加空间覆盖范围外，通过考虑调查中的齿轮特定效率，我们获得了更大的统计功效，同时大大降低了估计中的不确定性。我们的统计方法提供了一个方法的发展，以改善多物种评估和海洋生态系统为基础的管理的证据基础。在更广泛的范围内，它可以很容易地应用于不同的生物调查和采样方法交叉的地方，例如使用全球物种分布数据集提供关于生物多样性模式的信息。
2020-12-03 stat.AP stat.ME
Moment Matching Based Conjugacy Approximation for Bayesian Ranking and Selection
我们研究了共轭近似方法的背景下贝叶斯排名和选择未知的相关性。在正态-逆-Wishart先验分布假设下，当每一步对所有备选方案进行采样时，由于共轭性，后验分布仍保持正态-逆-Wishart分布。然而，如果一次只对一个备选方案进行采样，则这种共轭性质不再成立，当样本数量预算有限时，这是一种适当的设置。基于矩匹配的思想，我们提出了两种新的共轭逼近方法。这两种方法都给出了封闭形式的贝叶斯先验更新公式。然后，该更新公式可以与“信息价值”框架下的知识梯度算法相结合。我们进行计算实验，以显示所提出的共轭近似方法的优越性，包括应用在风电场的位置和计算机模型校准。
2016-10-28 stat.CO
Bayesian Signal Matching for Transfer Learning in ERP-Based Brain Computer Interface
Emory University（埃默里大学）；University of Michigan（密歇根大学）
本文提出贝叶斯信号匹配框架，用于ERP脑机接口中的迁移学习，通过分层混合模型提升EEG信号校准的准确性和泛化能力。
2025-10-16 stat.AP stat.CO
Bayesian Functional Analysis for Untargeted Metabolomics Data with Matching Uncertainty and Small Sample Sizes
University of Michigan（密歇根大学）；The Chinese University of Hong Kong – Shenzhen（香港中文大学（深圳））；Shenzhen Research Institute of Big Data（深圳大数据研究院）
本文提出BAUM方法，整合匹配不确定性推断、代谢物选择和功能分析，提升小样本下无目标代谢组学数据的分析精度与稳定性。
2024-03-23 stat.AP 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 Quantile Matching Estimation
由于对数据保护和相应法律的认识提高，许多数据，特别是涉及敏感个人信息的数据，无法公开访问。因此，许多数据收集机构只公布汇总数据，例如提供总体分布的平均数和选定分位数。然而，研究和科学理解，例如医疗诊断或政策咨询，往往依赖于数据访问。为了克服这种紧张局势，我们提出了一个贝叶斯方法学习分位数信息。该方法基于有限样本的顺序统计量，充分正确地反映了经验分位数的不确定性。在概述了理论之后，我们将我们的方法应用于模拟和现实世界的例子。此外，我们提供了一个基于Python的包，实现了所提出的模型。
2022-04-11 stat.ME stat.ML
Coarsened data in small area estimation: a Bayesian two-part model for mapping smoking behaviour
Department of Statistical Sciences “Paolo Fortunati”, University of Bologna（博洛尼亚大学统计科学系）
本文提出一种贝叶斯两部分模型，用于处理粗化数据的小区域估计，以更准确地估计吸烟行为，为公共卫生政策提供依据。
2026-01-27 stat.AP stat.ME
Flow Matching for Fast Posterior Sampling in Bayesian Inverse Problems
本文提出用条件流匹配替代MCMC进行贝叶斯逆问题后验采样，实现摊销快速推断，并给出可计算的精度估计及渐近精确的混合采样器，在数值示例中验证了效果。
2026-10-30 cs.LG cs.NA math.NA
Galaxy Formation: Bayesian History Matching for the Observable Universe
达勒姆大学计算宇宙学研究所的宇宙学家开发了一种称为Galform的星系形成模型，旨在帮助我们了解暗物质存在下星系的形成，生长和随后的演化。Galform需要指定许多输入参数，并且需要大量时间来完成一次模拟，这使得模型的输出与宇宙的真实观测之间的比较极具挑战性。本文涉及这个问题的分析，使用贝叶斯仿真内的迭代历史匹配策略，并表示最详细的不确定性分析的星系形成模拟尚未执行。
2014-05-20 stat.ME
Exchangeable random permutations with an application to Bayesian graph matching
University of Bergamo（贝加莫大学）；North Carolina State University（北卡罗来纳州立大学）；University of Maryland, College Park（马里兰大学帕克分校）
本文提出了一种基于可交换随机排列的贝叶斯图匹配框架，结合新先验模型和节点-wise阻塞吉布斯采样器，实现对排列结构的建模与不确定性量化。
2026-02-02 math.ST stat.ME stat.TH
Latent Bayesian melding for integrating individual and population models
University of Edinburgh（爱丁堡大学）
在许多统计问题中，一个更粗粒度的模型可能适合于群体水平的行为，而一个更详细的模型适合于个人行为的准确建模。这就提出了如何整合这两种模式的问题。后验正则化等方法遵循广义矩匹配的思想，因为它们允许两个模型之间的期望匹配，但有时两个模型最方便地表示为潜变量模型。我们提出了潜在贝叶斯融合，这是出于平均分布在人口统计的个人水平和人口水平的模型下的对数意见池框架。在电力解聚，这是一种类型的单通道盲源分离问题的案例研究中，我们表明，潜在的贝叶斯融合导致显着更准确的预测比单纯基于广义矩匹配的方法。
2015-10-30 cs.AI stat.AP stat.ME
Efficiently resolving rotational ambiguity in Bayesian matrix sampling with matching
针对贝叶斯模型中不可识别随机矩阵的旋转模糊导致MCMC输出无法直接得到可靠参数后验汇总的问题，提出结合Varimax正交化与贪心匹配的高效后处理算法，经模拟和真实数据验证性能，已在R包中实现。
2024-08-15 stat.CO
Objective Bayes, conditional inference and the signed root likelihood ratio statistic
分析了符号根似然比统计量的贝叶斯性质。一阶概率匹配的条件是通过检查贝叶斯后验和频率统计的手段。二阶匹配条件所示，从匹配的贝叶斯后验和频率方差的均值调整版本的签署根统计。推导并讨论了从属统计量模型中条件概率匹配的条件。
2015-03-19 math.ST stat.TH
Bayesian Uncertainty Matching for Unsupervised Domain Adaptation
Qiushi Academy for Advanced Studies, Zhejiang University（浙江大学求是高等研究院）；College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）；State University of New York at Buffalo（纽约州立大学布法罗分校）；Zhejiang University School of Medicine（浙江大学医学院）
领域自适应是一种重要的技术，用于减轻由领域移位引起的性能下降，当训练和测试数据来自不同的域时。由于目标域标签的不可用，大多数现有的深度自适应方法都集中在通过对输入特征进行深度变换来匹配边缘特征分布来减少域偏移。我们表明，域移位可能仍然存在通过标签分布偏移在分类器，从而恶化模型的性能。为了缓解这个问题，我们提出了一个近似的联合分布匹配方案，利用预测的不确定性。具体来说，我们使用贝叶斯神经网络来量化分类器的预测不确定性。通过对特征和标签（通过不确定性）进行分布匹配，有效地缓解了源数据和目标数据中的标签分布不匹配，鼓励分类器跨域产生一致的预测。我们还提出了一些技术来改进我们的方法，通过自适应重新加权领域自适应损失，以实现非平凡的分布匹配和稳定的训练。在三个流行的基准数据集上与最先进的无监督领域自适应方法的比较表明了我们的方法的优越性，特别是在减轻负迁移的有效性。
2019-06-24 cs.CV cs.LG stat.ML
Generalization of the power-law rating curve using hydrodynamic theory and Bayesian hierarchical modeling
幂律流量曲线在水利工程和水文学中有着广泛的应用。由$Q(h)=a(h-c)^b$给出，其中$Q$为流量，$h$为水位，$a$、$b$和$c$为未知参数。我们提出了一种新的扩展的幂律评级曲线，称为广义幂律评级曲线。它是通过将明渠水流物理学与$Q(h)=a(h-c)^{f(h)}$形式的模型相联系而建立的。函数$f(h)$被称为幂律指数，它取决于水位。所提出的模型和幂律模型的贝叶斯分层模型的框架内拟合。通过探索所提出的评级曲线及其幂律指数的性质，我们发现，在自然界中很可能发现的横截面形状是这样的，幂律指数$f(h)$通常会在区间$[1.0,2.67]$。这一事实被用于构建模型参数的先验密度。提出了一种有效的马尔可夫链蒙特卡罗抽样方案，该方案在数据层采用对数正态分布假设，在潜在层采用高斯分布假设。这两个统计模型应用于四个数据集。在三个数据集的情况下，广义幂律评级曲线给出了一个更好的拟合比幂律评级曲线，而在第四种情况下，这两个模型拟合同样好，广义幂律评级曲线模仿幂律评级曲线。
2021-08-09 stat.AP
Bayesian inference of planted matchings: Local posterior approximation and infinite-volume limit
Yale University（耶鲁大学）；Georgia Institute of Technology（佐治亚理工学院）
本文研究了在特定缩放条件下，嵌入匹配的贝叶斯推断问题，探讨了局部后验近似和无限体积极限的性质，指出在部分匹配中后验可被局部算法近似，而在精确匹配中需全局排序才能实现局部近似。
2026-03-09 cs.DS math.PR math.ST
Conditional Flow Matching for Bayesian Posterior Inference
University of Chicago, Booth School of Business（芝加哥大学布斯商学院）
本文提出一种基于流匹配的生成多变量后验采样器，通过动态块三角速度场实现后验推断，无需Likelihood评估，且能高效生成贝叶斯可信集。
2026-04-01 cs.LG stat.ML
Fast Bayesian Record Linkage With Record-Specific Disagreement Parameters
研究人员通常对将两个缺乏共同唯一标识符的数据集之间的个体联系起来感兴趣。匹配过程通常很难将记录与常见的姓名、出生地或其他字段值进行匹配。计算可行性也是一个挑战，特别是在连接大型数据集时。我们开发了一种贝叶斯方法自动概率记录链接，并表明它恢复了超过50%的真实匹配，保持准确性不变，比可比的方法在军事招募数据匹配到1900年美国人口普查的专家标记的匹配。我们的方法建立在最近最先进的贝叶斯方法的基础上，改进了比较数据的建模，允许以非匹配状态为条件的不一致概率参数在两个数据集中的较小数据集中是特定于记录的。当许多记录共享公共字段值时，这种灵活性显著提高了匹配。我们表明，我们的方法是计算上可行的，在实践中，尽管增加了复杂性，与R/C++实现，实现了显着的速度比最近的方法。我们还提出了一个轻量级的方法治疗非常常见的名字，并显示如何估计真阳性率和阳性预测值时，真正的匹配状态不可用。
2021-03-19 econ.EM stat.AP stat.ME
Probabilistic modeling of delays for train journeys with transfers
本文提出一种结合梯度提升换乘可靠性模型与概率贝叶斯回归延误模型的方法，用于建模带任意次换乘的列车行程可靠性，并在瑞典数据上验证了其准确性，可改进行程规划器。
2025-04-24 stat.AP
A Bayesian framework for functional calibration of expensive computational models through non-isometric matching
我们研究统计校准，即，调整计算模型的在其相关联的物理系统中不可观察或不可控制的特征。我们专注于功能校准，这是在许多制造过程中出现的不可观察的功能，称为校准变量，是输入变量的函数。在许多应用中的一个主要挑战是计算模型是昂贵的，只能评估有限的次数。此外，如果不进行强有力的假设，校准变量是不可识别的。我们提出了贝叶斯非等距匹配校准（BNMC），允许昂贵的计算模型的校准，只有有限数量的样本从计算模型及其相关的物理系统。BNMC用动态高斯过程（GP）代替计算模型，其参数在校准过程中训练。为了解决可识别性问题，我们提出了从几何角度的非等距曲线曲面匹配的校准问题，这使我们能够利用组合优化技术，以提取必要的信息，构建先验分布。我们的数值实验表明，在预测精度方面，BNMC优于，或与其他现有的校准框架。
2020-05-22 stat.ML
Bayesian Filtering in Physical Systems via Test-time Trained Flow Matching
Westlake University（西湖大学）；Zhejiang University（浙江大学）
本文提出信念流滤波器（BFF），通过测试时梯度下降更新流匹配模型权重以跟踪后验演化，绕过粒子表示和高斯假设的限制，在多个物理系统基准上取得最优性能。
2026-09-22 cs.AI cs.LG stat.ML
A regional compound Poisson process for hurricane and tropical storm damage
鉴于美国大西洋沿岸飓风活动频繁，人们的注意力已转向了解这些风暴的经济影响和行为。复合泊松对数正态过程已被提出作为一个模型的总风暴损失，但并没有阐明区域分析，因为风暴路径数据没有使用。在本文中，我们提出了一个完全贝叶斯区域预测模型，它使用条件自回归（CAR）模型来解释风暴路径和空间模式的风暴损失。当拟合到历史数据时，我们模型的分析既证实了以前的发现，又揭示了对区域风暴趋势的新见解。后验预测样本也可以用于定价区域保险费，我们使用三种不同的风险措施来说明。
2016-02-12 stat.AP
Bayesian hierarchical modelling for inferring genetic interactions in yeast
定量适合度分析（QFA）是一种用于测量微生物种群生长的高通量实验和计算方法。QFA筛选可用于比较查询基因中有突变和无突变的细胞群体的健康状况，以推断全基因组的遗传相互作用强度，检查数千种不同的基因型。我们引入贝叶斯，层次模型的人口增长率和遗传相互作用，更好地反映QFA实验设计比目前的方法。我们的新方法模型种群动力学和遗传相互作用的同时，从而避免通过一个单变量的健身总结模型之间传递信息。更紧密地匹配实验结构，贝叶斯分层方法更有效地使用数据，并在已发布的数据集中找到与酵母端粒相互作用的基因的新证据。
2015-08-14 q-bio.GN q-bio.QM stat.AP
Posterior Mean Matching: Generative Modeling through Online Bayesian Inference
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；University of Michigan（密歇根大学）；Columbia University（哥伦比亚大学）
本文提出基于贝叶斯推断的生成式建模新方法PMM，利用共轭分布对和在线贝叶斯推断迭代细化目标分布，在语言建模和图像生成任务中表现出与现有模型相媲美的性能。
2024-12-19 cs.AI cs.LG stat.ML
Research Note: Bayesian Record Linkage with Application to Chinese Immigrants in Raleigh-Durham (ChIRDU) Study
本文提出一种基于概率记录链接的方法，通过构建罗马化姓名成对比较向量和完全贝叶斯模型，将ChIRDU调查与InfoUSA记录匹配，以获取高分辨率地理信息并刻画华人移民的空间分布。
2023-10-21 stat.AP
Variational Bayesian Phylogenetic Inference with Semi-implicit Branch Length Distributions
Peking University（北京大学）；Fred Hutchinson Cancer Research Center（弗雷德·哈钦森癌症研究中心）；University of Washington（华盛顿大学）
针对VBPI默认对角对数正态分支长度后验表达不足的问题，本文提出基于图神经网络的半隐式层次变分后验及多种优化下界，提升了边际似然估计与后验近似性能。
2024-08-09 cs.LG stat.ML
Practical and Matching Gradient Variance Bounds for Black-Box Variational Bayesian Inference
University of Pennsylvania（宾夕法尼亚大学）；North Carolina State University（北卡罗来纳州立大学）
本文证明黑盒变分推断在光滑二次增长对数似然下满足对应 SGD 的 $ABC$ 条件的匹配梯度方差界，并推广至非线性协方差参数化，揭示均值场参数化更优的维度依赖。
2023-06-04 cs.LG math.OC stat.CO
Likelihood-Free Adaptive Bayesian Inference via Nonparametric Distribution Matching
Stanford University（斯坦福大学）
本文提出自适应贝叶斯推断（ABI）框架，通过边缘增广切片Wasserstein距离将后验分布比较转化为一维条件分位数回归，并结合自适应拒绝采样迭代细化后验近似，在高维和相依观测场景下显著优于现有免似然方法。
2025-05-07 cs.LG stat.CO stat.ME
Bayesian sparsity and class sparsity priors for dictionary learning and coding
Oak Ridge National Laboratory（橡树岭国家实验室）；Case Western Reserve University（凯斯西储大学）
提出贝叶斯框架下的字典压缩误差补偿与组稀疏编码方法，通过子字典压缩和降维，降低字典匹配的计算复杂度，并在LIGO毛刺检测和高光谱遥感中验证有效性。
2023-09-02 cs.LG cs.NA math.NA
On predictive probability matching priors
我们重新审视先验的问题，实现近似匹配的贝叶斯和频率论的预测概率。这样的先验可以被认为是提供贝叶斯预测的频率论校准或简单地作为用于产生频率论预测区域的设备。在这里，我们分析了$O(n^{-1})$项在贝叶斯预测区域的覆盖概率的扩展中，如在[Ann. Statist. 28（2000）1414- 1426]。与参数匹配的情况不同，渐近预测匹配先验可以取决于水平$α$。我们调查一致预测匹配先验（UPMP），也就是说，先验的这$O(n^{-1})$长期为零的所有$α$。它被显示在[安统计。28（2000）1414- 1426]，在分位数匹配和标量参数的情况下，如果存在这样的先验，则它必须是Jeffreys先验。在本文中，我们调查UPMPs在多参数的情况下，提出了一些一般性的结果的形式，和唯一性或其他，UPMPs的分位数和最高预测密度匹配。
2008-05-20 math.ST stat.TH
Machine-learning classifiers for logographic name matching in public health applications: approaches for incorporating phonetic, visual, and keystroke similarity in large-scale probabilistic record linkage
University of California, Berkeley（加利福尼亚大学伯克利分校）；Centers for Disease Control and Prevention（疾病预防控制中心）；Emory University（埃默里大学）；University of Florida（佛罗里达大学）
近似的字符串匹配方法，以解决复杂的变化，在高度歧视性的文本字段，如个人姓名，可以提高概率记录链接。然而，区分匹配和不匹配的字符串是具有挑战性的语标文字，其中发音，外观或序列的相似性不直接编码在字符串数据中。我们利用一个已知匹配状态的大型中文管理数据集来开发逻辑回归和Xgboost分类器，该分类器集成了视觉，语音和语义相似性的测量，以增强对潜在匹配名称对的识别。我们评估了在大规模概率记录链接中利用名称相似性分数的三种方法，它们可以适应不同的匹配流行率和支持字段中的信息：（1）基于所有记录对之间的名称匹配的预测质量设置阈值分数;（2）基于链接模型的预测区分能力设置阈值分数;以及（3）使用匹配和非匹配之间的经验分数分布来执行从精确一致链接估计的匹配概率的贝叶斯调整。在对保留数据以及用不同的名称出错率和支持字段模拟的数据的实验中，通过贝叶斯方法并入的逻辑回归分类器在区分能力、匹配概率估计和准确性方面表现出比精确一致性链接的显著改进，在测试数据中将错误分类的记录对的总数减少21%，在模拟数据集中平均减少93%。我们的研究结果表明，将视觉，语音和语义相似性的标识名称匹配的价值，以及我们的贝叶斯方法的承诺，利用大规模的记录链接内的名称匹配。
2020-01-07 cs.CL cs.IR stat.AP
Robust Bayesian Inference for Unnormalized Models with Mixed-Domain Data
Texas A&M University（德克萨斯农工大学）；University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
针对混合域未归一化模型的鲁棒贝叶斯推断难题，提出SME-BETEL半参数贝叶斯框架，证明其理论性质并通过模拟和臭氧监测应用验证了方法的有效性。
2026-09-18 stat.ME stat.ML
Spatial Bayesian Neural Networks
University of Wollongong（卧龙岗大学）；Huawei Technologies（华为技术有限公司）；King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）
本文提出空间贝叶斯神经网络（SBNN），通过空间嵌入层和空间变化参数匹配目标过程的有限维分布，以更灵活地建模多种空间过程。
2024-04-04 cs.LG stat.ML
Prior Specification for Bayesian Matrix Factorization via Prior Predictive Matching
Norwegian University of Science and Technology（挪威科技大学）；University of Helsinki（赫尔辛基大学）
针对贝叶斯模型先验选择需反复高成本后验推断的问题，提出基于先验预测匹配的无后验推断先验选择方法，可解析确定泊松分解超参数，还给出通用随机优化方案并在层次矩阵分解中验证。
2022-09-30 cs.LG stat.ML
Robust Ensemble Kalman Filtering Under Observation Noise Misspecification
Heidelberg University（海德堡大学）；University of Potsdam（波茨坦大学）
针对动态系统贝叶斯滤波中观测噪声误设定问题，提出利用扩散分数匹配调整分析步信息处理的鲁棒卡尔曼滤波器，理论证明其在线性高斯状态空间中的共轭性、鲁棒性、协方差稳定性及高维一致性，并通过集成近似实现EnKF、ESRF和LETKF变体，在目标跟踪、Lorenz 63和Lorenz 96系统中验证了鲁棒性与稳定性的权衡。
2026-11-09 math.DS math.ST stat.ME
A hierarchical Bayesian approach to record linkage and population size problems
我们提出并说明了一个分层贝叶斯方法匹配的统计记录在不同的场合观察。我们展示了如何在记录链接问题和捕获-再捕获设置，其中有限人口的大小是真正感兴趣的对象，这个模型可以被有利地采用。在拟议的基于模型的方法和目前的记录链接做法之间至少有两个重要的区别。首先，根据实际观察到的分类变量建立统计模型，并且不减少（至0- 1比较）可用信息。第二，模型的分层结构允许参数估计步骤和匹配过程之间的不确定性的双向传播，因此不使用插入式估计，并且在估计总体大小和执行记录链接时都考虑了正确的不确定性。我们通过一个真实的数据例子和模拟来说明和激励我们的建议。
2011-07-28 stat.AP stat.ME
Bayesian alignment using hierarchical models, with applications in protein bioinformatics
形状分析中的一个重要问题是滤除几何变换后的空间点的构形匹配。在本文中，我们介绍了这样的任务，其中的配置中的点是未标记的，或最多有一个部分标签约束的匹配，并在其中一些点可能只出现在一个配置的层次模型。我们推导出程序的同时推理的匹配和转换，使用贝叶斯方法。我们的模型是基于一个泊松过程隐藏的真实点的位置，这导致了相当大的数学简化和效率的实现。我们发现了一个新的使用经典的分布，从方向统计在条件共轭规范的情况下，几何变换包括一个未知的旋转。在整个过程中，我们专注于仿射或刚性运动变换的情况。在广义参数损失函数族下，可以构造匹配矩阵的最优贝叶斯点估计，该估计仅依赖于该族中的单个参数。我们的方法说明了从生物信息学的两个应用程序。第一个问题是在2维中匹配蛋白质凝胶，第二个问题是在3维中对齐蛋白质的活性位点。在后一种情况下，我们还使用与氨基酸分组相关的信息。我们讨论了一些开放的问题，并提出了未来工作的方向。
2005-07-01 math.ST stat.ME stat.TH
Non parametric Bayesian approach to LR assessment in case of rare haplotype match
对犯罪现场发现的污点的DNA图谱与嫌疑人（先前已确定）的DNA图谱之间的匹配进行评估涉及使用未知参数$p=(p_1, p_2, ...)$（表示潜在供体群体中不同DNA图谱的比例的有序向量）和不同DNA类型的名称。我们提出了一种贝叶斯非参数方法，认为$P$作为一个随机变量分布根据两个参数的泊松Dirichlet分布，并丢弃有关的DNA类型的名称的信息。该模型的最终目标是评估罕见类型情况下的DNA匹配，即嫌疑人的轮廓与犯罪污点轮廓匹配，而不是参考数据库中的那些轮廓之一的情况。
2015-09-18 stat.AP
