Comment on "Bayesian astrostatistics: a backward look to the future" by Tom Loredo, arXiv:1208.3036
这篇短文指出了我在Loredo（2012）对Andreon（2012）的评论中发现的两个不一致之处，即我为《新天文学的天体统计挑战》一书撰写的章节。首先，我发现洛雷多决定把我的章节放在那些呈现简单模型的章节中是不合逻辑的，因为我的章节中所展示的模型之一被他称为“令人印象深刻的复杂性”。其次，Loredo在一个地方批评我的章节，将其与另一位作者的另一篇论文混淆，因为我的章节没有触及Loredo（2012）批评者提到的主题，即贝叶斯和频率拟合模型之间的比较。
2012-08-27 astro-ph.IM physics.data-an stat.AP
Rotating Stars and Revolving Planets: Bayesian Exploration of the Pulsating Sky
我描述了正在进行的工作贝叶斯方法的发展，探索周期性变化的现象，在天文学，解决两类来源：恒星，太阳系外行星（系外行星）。对于光子，该方法旨在检测和测量由光子到达时间组成的数据中的周期性变化的信号，其被建模为非齐次泊松点过程。对于系外行星，这些方法利用对主恒星反射运动“摆动”的观测来探测和估计行星轨道，包括自适应安排观测以优化推断。
2011-07-28 astro-ph.EP astro-ph.HE astro-ph.IM
On the Evidence for Cosmic Variation of the Fine Structure Constant (II): A Semi-Parametric Bayesian Model Selection Analysis of the Quasar Dataset
在本系列的第二篇论文中，我们扩展了我们的贝叶斯再分析的证据，为宇宙变化的精细结构常数的半参数建模制度。通过采用狄利克雷过程的混合物之前的基准类星体数据集的每个仪器子组中的无法解释的错误，我们走了一些路，从一个固定的分布形式的明显的主观性释放我们的模型选择过程。尽管无限维域的错误层次结构，我们能够证明一个递归计划的边际似然估计与先验灵敏度分析直接类似于在论文I中提出的，从而使我们的后验贝叶斯因素的鲁棒性超参数的选择和模型规格，很容易验证。在这项工作的过程中，我们阐明了天文学和临床荟萃分析的看似不同的领域不明原因的错误问题之间的各种相似之处，我们强调了一些复杂的技术来处理这些问题，在后者的过去的研究。我们希望本文所展示的半参数模型选择的新方法可以为其他人探索这类潜在困难的误差模型提供有用的参考。
2013-09-11 astro-ph.IM stat.AP
Quantification of Unknown Unknowns in Astronomy and Physics
不确定性量化是天文学和物理学的一个关键部分;科学研究人员试图尽可能好地在他们的数据中建模统计和系统的不确定性，通常使用贝叶斯框架。然后，可能会对所得到的不确定性量化做出决定--也许是是否相信某个理论，或者是否采取某些行动。然而，众所周知，大多数统计声明应该根据上下文进行;即使某些模型在非常高的置信度下被排除在外，研究人员通常也会意识到可能存在未被考虑的系统学，因此通常需要多个独立来源的确认，才能真正接受任何新的结果。在本文中，我们比较了两种方法在天文学文献中，试图量化这些“未知的未知数”-特别是试图产生现实的厚尾后的参数估计问题，占可能存在的非常大的未知影响。我们在一系列案例研究中测试了这些方法，并讨论了在存在恶意干扰的情况下，这些方法的鲁棒性。
2022-07-28 astro-ph.IM stat.ME
GUIDE-FBO: Guidance via Uncertainty Intervention and Distributional Exchange for Federated Bayesian Optimization
Southern University of Science and Technology（南方科技大学）
提出GUIDE-FBO，通过交换最优位置分布和干预不确定性实现联邦贝叶斯优化，在异质任务下保持高效通信与最优性能。
2026-09-29 cs.LG stat.ML
Advances in Bayesian Modeling: Applications and Methods
本文综合 MCMC 与变分近似，系统展示贝叶斯建模在多领域的建模、先验获取、计算及评估方法。
2025-02-17 stat.AP stat.CO stat.ME
Supervised Guidance Training for Infinite-Dimensional Diffusion Models
Department of Applied Mathematics and Computer Science, Technical University of Denmark, Denmark（应用数学和计算机科学系，丹麦技术大学，丹麦）
本文提出了一种在函数空间中通过监督引导训练方法，使预训练的扩散模型能够高效稳定地从后验分布采样，解决了无限维扩散模型后验采样理论问题。
2026-05-11 cs.LG stat.ML
Scalable Bayesian uncertainty quantification in imaging inverse problems via convex optimization
提出了一种大规模成像逆问题的贝叶斯不确定性量化方法。我们的方法适用于所有的贝叶斯模型是对数凹，最大后验概率（MAP）估计是一个凸优化问题。该方法是一个框架，用于分析MAP估计中观察到的特定结构的置信度（例如，医学成像中的病变，天文成像中的天体来源），以便能够将它们用作证据，为决策和结论提供信息。准确地说，根据贝叶斯决策理论，我们试图通过执行贝叶斯假设检验来断言仔细检查下的结构，该贝叶斯假设检验如下进行：首先，它假设结构不存在于真实图像中，然后试图使用数据和先验知识以高概率拒绝该原假设。计算成像问题的这种测试通常是非常困难的，因为涉及的高维数。这项工作的一个主要特点是利用概率集中现象和底层凸几何制定贝叶斯假设检验作为一个凸问题，我们然后有效地解决了使用可扩展的优化算法。这允许缩放到其他贝叶斯计算方法在计算上无法负担的高分辨率和高灵敏度成像问题。我们说明了我们的方法，称为BUQO（贝叶斯不确定性量化优化），在一系列具有挑战性的傅立叶成像问题在天文学和医学。
2018-11-06 astro-ph.IM stat.ME
Multi-messenger Astronomy: a Bayesian approach
在发现引力波和观测宇宙起源的中微子之后，我们进入了一个令人兴奋的新时代，宇宙射线、中微子、光子和引力波将同时用于研究宇宙中最高能量的现象。在这里，我们提出了一个完全贝叶斯方法的挑战，结合和比较现有的和即将到来的实验设施的测量财富。我们讨论的过程中，从理论的角度来看，并使用模拟，我们还证明了该方法的可行性，通过将使用不同的理论模型和不同的实验测量提供的信息。
2017-08-23 astro-ph.IM
Bayesian Computing in the Undergraduate Statistics Curriculum
自20世纪90年代计算发展以来，贝叶斯统计获得了巨大的发展势头。逐渐地，贝叶斯方法和软件的进步使得贝叶斯技术更容易被应用统计学家所使用，反过来，也可能改变本科阶段的贝叶斯教育。本文概述了实现贝叶斯计算方法的各种选择，以实现特定的学习成果。根据作者在课堂上使用这些方法的经验，描述了每种计算方法的优点和缺点。我们的目标是目前的指导计算的教师谁是介绍贝叶斯方法在他们的本科统计课程的选择。
2020-11-03 stat.CO
Label Switching Problem in Bayesian Analysis for Gravitational Wave Astronomy
标签切换问题出现在贝叶斯分析的模型包含多个不可区分的参数与任意顺序。这些参数的任何排列都是等价的，因此具有许多此类参数的模型具有非常多的后验分布。很难从这样的后验中有效地采样。本文讨论了这个问题的解决方案，其中涉及到仔细映射的输入参数空间的高维超三角形。它表明，这种解决方案是有效的，即使大量的参数，可以很容易地应用于任何随机采样算法。这种方法是说明使用两个例子的问题，从该领域的引力波天文学。
2019-10-26 astro-ph.IM
Multivariate Bayesian function estimation
本文研究了以紧致黎曼流形为区域的多元非参数回归问题的贝叶斯方法。就后者而言，流形的基本几何形状在多元非参数回归函数上诱导了某些对称性。贝叶斯方法，然后允许一个将层次贝叶斯方法直接到谱结构，从而提供了一个自适应的多变量贝叶斯函数估计。也可以扩散掉一些先验信息，其中极限情况是流形上的平滑样条。这与光滑样条解在多元非参数回归问题中获得极小极大收敛速率的结果一起，为Bayes估计提供了良好的频率论性质。天文学的应用也包括在内。
2006-03-06 math.ST stat.TH
Bayesian Univariate-Guided Sparse Regression for Ultra-High-Dimensional Data
Virginia Commonwealth University（弗吉尼亚联邦大学）
本文提出BUGS框架，通过连续调节收缩实现边际关联信息的直接整合，提升信号噪声分离。BUGS-Active在超高维下实现高效计算，应用于DNA甲基化研究，展现准确预测与可解释稀疏选择。
2026-10-05 stat.ME
bayprior: Structured Bayesian Prior Elicitation, Conflict Diagnostics, and Regulatory Reporting
bayprior是一个R包和Shiny应用，整合贝叶斯先验引出、冲突诊断、敏感性分析和监管报告，支持FDA和EMA指南，并通过合成肿瘤学试验验证。
2026-10-12 stat.AP stat.CO stat.ME
An introduction to Bayesian inference in gravitational-wave astronomy: parameter estimation, model selection, and hierarchical models
本文面向引力波天文学，系统介绍贝叶斯推断基础，涵盖参数估计、模型选择及分层模型与超参数，并附有丰富附录，适合新手与专家参考。
2025-05-23 astro-ph.IM
Bayesian Reasoning and Evidence Communication
法医学者和从业人员的许多资源，如期刊文章，指导文件和教科书，解决了如何在两个竞争命题之间做出决定时，以似然比（LR）的形式进行证据评估的价值。这些文本通常描述专家向司法系统中的其他各方（如律师、法官和潜在的陪审员）展示他们的LR值，但很少有文本明确说明接收者如何利用所提供的LR值。那些经常暗示，或直接暗示，贝叶斯规则的混合修改，其中决策者将他们的先验概率乘以另一个人对LR的评估，以获得他们的后验概率。在本文中，我们说明了如何坚持贝叶斯推理的人会更新他们的个人不确定性，以响应其他人提出的个人LR值（或任何其他形式的意见），并强调混合方法是从贝叶斯推理出发。我们进一步考虑了接受者坚持贝叶斯推理对专家报告和证词的作用和理想内容的影响，并解决了对我们2017年论文的公开回应（Lund和Iyer，2017），我们以前认为贝叶斯推理不支持混合方程。
2022-05-10 stat.AP
Learning Bayesian posteriors with neural networks for gravitational-wave inference
我们寻求实现引力波天文学贝叶斯推断的圣杯：使用深度学习技术立即产生源参数$θ$的后验$p(θ|D)$，给定探测器数据$D$。为此，我们训练一个深度神经网络，将信号+噪声数据集（从天体物理源参数先验和探测器噪声的采样分布中提取）作为输入，并输出相应后验的参数化近似。我们依赖于基于降阶建模的数据的紧凑表示，我们使用单独的神经网络波形插值有效地生成降阶建模[A. J. K.蔡角R. Galley & M Vallisneri，Phys. Rev. Lett. 122，211101（2019）]。我们的方案具有广泛的相关性引力波的应用，如低延迟参数估计和表征未来实验的科学回报。源代码和经过训练的网络可在https://github.com/vallis/truebayes上获得。
2020-01-29 astro-ph.IM gr-qc stat.ML
Bayesian models for survival data of clinical trials: Comparison of implementations using R software
目的：为使用比例风险模型对具有生存终点的随机临床试验进行事后贝叶斯分析提供R中可用主要函数的使用指南。研究设计和设置：数据来源于ALLOZARGO试验，该试验对465例接受同种异体移植以预防肺部并发症的患者进行，并在阿奇霉素和安慰剂之间进行分配;随机化后2年的无气流下降生存率是主要终点。结果如下：尽管建模假设存在异质性，特别是基线风险（参数或非参数）和估计方法，但阿奇霉素效应的贝叶斯后验平均风险比（HR）估计值接近于通过极大似然方法获得的估计值。结论：贝叶斯模型可以使用各种R软件包实现，提供与最大似然估计密切一致的结果。这些模型提供了不可能以其他方式获得的概率陈述。
2019-09-09 stat.AP stat.CO
Markov Chain Monte Carlo Methods for Bayesian Data Analysis in Astronomy
基于马尔可夫链蒙特卡罗的贝叶斯数据分析现已成为几乎所有科学学科分析和解释数据的首选方法。在天文学中，在过去的十年中，我们也看到了采用基于蒙特卡罗的贝叶斯分析的论文数量的稳步增加。新的，有效的蒙特卡罗方法正在不断开发和探索。在本文中，我们首先解释贝叶斯理论的基础知识，并讨论如何在此框架内设置数据分析问题。接下来，我们将概述用于执行贝叶斯数据分析的各种基于蒙特卡罗的方法。最后，我们讨论先进的思想，使我们能够解决复杂的问题，从而为未来带来巨大的希望。我们还分发可下载的计算机软件（可在https://github.com/sanjibs/bmcmc/上获得），这些软件实现了本文讨论的一些算法和示例。
2017-06-06 astro-ph.IM physics.comp-ph stat.CO
fastRESOLVE: fast Bayesian imaging for aperture synthesis in radio astronomy
标准成像算法的干涉无线电数据，CLEAN，是最佳的点源观测，但次优的漫发射。最近，人们开发了一种新的贝叶斯算法RESOLVE，它是扩展源成像的理想选择。不幸的是，RESOLVE在计算上非常昂贵。在本文中，我们提出了fastRESOLVE，修改的RESOLVE的基础上的近似的干涉的可能性，使我们能够避免昂贵的网格程序，从而获得大约100的计算时间的因素。此外，我们包括一个贝叶斯估计的测量不确定性的virons到成像，一个程序不适用于孔径合成之前。与标准方法CLEAN相比，该算法几乎不需要用户输入，同时对于扩展和微弱发射更优越。我们应用该算法的VLA数据的Abell 2199，并表明，它解决了更详细的结构。
2017-02-27 astro-ph.IM
What we talk about when we talk about fields
在天文学和宇宙学的研究中，人们常常希望在有限维度量空间中，只给出有限的噪声观测数据集合，就能推断出一个无限维场的某些性质。贝叶斯推断提供了一种越来越流行的策略，以克服这种信号重建挑战的固有不适定性。然而，在天文学界仍然存在着大量的困惑，关于适当的数学设备框架这样的分析和多样性的可用计算程序恢复后泛函。在这篇简短的研究报告中，我将试图从“应用统计学”的角度来澄清这两个问题，并从我作为计算贝叶斯/流行病学地理统计学家的后天文学经验中获得见解。
2014-06-24 astro-ph.IM stat.ME
A Bayesian approach to linear regression in astronomy
线性回归在天文分析中很常见。我讨论了异方差和可能相关的测量误差和内在分散的数据的贝叶斯分层建模。该方法充分考虑了时间演化。关系的斜率、归一化和内禀散射可以随红移而变化。独立变量的内在分布近似使用高斯分布的混合物，其均值和标准差取决于时间。该方法可以解决测量的自变量中的分散（一种爱丁顿偏差），响应变量中的选择效应（Malmquist偏差），以及膝盖形式的线性偏离。我用玩具模型和模拟测试了这种方法，并量化了偏见和低效建模的影响。R-package LIRA（天文学中的LInear回归）可用于执行回归。
2015-10-09 astro-ph.IM
Eryn : A multi-purpose sampler for Bayesian inference
本研究提出整合多种贝叶斯推断进展的MCMC算法，构建了多用途工具箱Eryn，可处理从简单推断到跨维度的参数估计与模型选择问题，并通过多类用例验证其功能。
2023-10-10 astro-ph.CO astro-ph.IM gr-qc
Grouping Priors and the Bayesian Elastic Net
在贝叶斯惩罚回归的文献中，回归系数的先验分布的两个主要选择是零均值高斯和拉普拉斯。虽然这两种方法都在数字和理论上进行了比较，但在现实生活中使用的指导仍然很少。我们提出了两个可行的解决方案，这个问题的先验分布的形式结合和拉普拉斯和高斯先验之间的妥协，分别。通过交叉验证，自动选择优化预测性能的先验。然后，我们证明了这些新的先验分布相对于拉普拉斯和高斯先验在模拟和实验环境中的改进性能。
2010-01-22 stat.ME
The efficiencies of pilot feasibility trials in rare diseases using Bayesian methods
本文研究罕见病试点试验效率问题，提出使用稳健贝叶斯元分析预测先验将单个试点研究数据纳入确证性试验，通过模拟评估操作特性，证明该方法在样本量、持续时间和招募上具操作与伦理优势。
2025-07-14 stat.AP
Computational strategies and estimation performance with Bayesian semiparametric Item Response Theory models
项目反应理论（IRT）模型通常依赖于特定主题的潜在特质的正态性假设，这在实践中往往是不现实的。基于Dirichlet过程混合的半参数扩展提供了一个更灵活的表示未知分布的潜在特质。然而，在IRT文献中使用这种模型是非常有限的，在很大程度上是因为缺乏全面的研究和可用的软件工具。本文为半参数IRT模型及其实现提供了指导。特别是，我们依赖于NIMBLE，一个灵活的软件系统，分层模型，使使用狄利克雷过程的混合物。我们强调有效的抽样策略模型估计和比较参数和半参数模型下的推断结果。
2022-08-10 stat.AP stat.ME
Bayesian Consistency for Long Memory Processes: A Semiparametric Perspective
本文从贝叶斯半参数视角研究长记忆模型参数估计，提出推导长记忆参数后验分布的新方法并建立其渐近性质。
2024-06-18 stat.ME
Understanding an Acquisition Function Family for Bayesian Optimization
本文旨在理解贝叶斯优化中采集函数族的优劣，通过分析更广泛的方法族，为不同问题类别提供算法选择指导。
2023-10-16 stat.CO
Thompson, Ulam, or Gauss? Multi-criteria recommendations for posterior probability computation methods in Bayesian response-adaptive trials
MRC Biostatistics Unit, University of Cambridge（剑桥大学医学研究委员会生物统计单元）
本文提出了一种高效计算后验概率的算法，用于评估贝叶斯响应自适应试验中不同近似方法的性能，揭示精确计算在提高准确性和患者益处方面的优势。
2025-12-04 stat.AP stat.ME
A Case-Study of Sample-Based Bayesian Forecasting Algorithms
对于贝叶斯，实时预测与后验预测分布可以是具有挑战性的各种时间序列模型。首先，当模型的似然性难以处理时和/或当所使用的数据集较大时，估计时间序列模型的参数可能难以使用基于样本的方法。第二，一旦在固定的数据窗口上获得了来自参数后验的样本，就不清楚它们将如何用于生成预测，也不清楚它们将如何以及在什么意义上被“更新”，因为随着新数据的到来，人们的兴趣转向了更新的后验。本文提供了一个基于样本的预测算法，可用于贝叶斯感兴趣的实时预测与非线性/非高斯状态空间模型的比较。财务回报的应用分析提供了一个完善的随机波动模型。本文的主要目的是提供指导如何选择这些算法之一，并描述了各种好处和陷阱与每种方法。
2022-08-05 stat.AP stat.CO
Bayesian model averaging: A systematic review and conceptual classification
贝叶斯模型平均（Bayesian Model Averaging，BMA）是将贝叶斯推断应用于模型选择、组合估计和预测问题，它产生了一个简单的模型选择标准和风险较小的预测。然而，BMA的应用并不总是简单的，导致其不同方面的不同假设和情景选择。尽管BMA在文献中得到了广泛应用，但除了20世纪90年代末和21世纪初的一些里程碑式的修订外，对这些差异和趋势的描述并不多，因此没有考虑到过去15年中取得的任何进展。在这项工作中，我们通过对1996年至2014年间发表在BMA上的587篇文章进行仔细的内容分析，介绍了这些发展。我们还开发了一个概念性的分类方案，以更好地描述这一庞大的文献，了解其趋势和未来的发展方向，并为研究人员提供指导感兴趣的应用和发展的方法。分类方案和内容审查的结果，然后使用讨论的BMA文献的现在和未来。
2015-09-29 stat.AP stat.ME
Data Analysis Recipes: Products of multivariate Gaussians in Bayesian inferences
两个高斯分布（或正态分布）的乘积是另一个高斯分布。这是一个有价值和有用的事实！在这里，我们使用它来推导多变量高斯的公共乘积的重构：高斯似然乘以高斯先验的乘积，其中一些或所有这些参数仅以平均值和线性方式进入似然。也就是说，线性高斯贝叶斯模型。这种可能性乘以先验概率密度函数的乘积可以重构为边缘化可能性（或贝叶斯证据）乘以后验概率密度函数的乘积，其中（在这种情况下）这两者也是高斯的。重构后的高斯的均值和方差张量可以直接作为封闭形式的表达式获得;在这里，我们提供这些表达式，并进行讨论。对于含有高斯先验的线性参数的推理，闭形式的表达式可以用来加速和提高精度。我们将这些方法与物理学和天文学中经常出现的推论联系起来。如果你想要的只是答案，这个问题在第3节的开头就已经提出并得到了回答。我们在第4节中以练习的形式展示了两个玩具例子。本说明中的解答、讨论和练习针对的是已经熟悉贝叶斯推断和概率的基本思想的人。
2020-05-28 astro-ph.IM physics.data-an stat.CO
Mitigating Representation Gaps in Amortized Bayesian Inference with Auxiliary Supervision
TU Dortmund University（多特蒙德工业大学）；Rensselaer Polytechnic Institute（伦斯勒理工学院）
本文提出利用辅助监督损失改善摊销贝叶斯推断的训练动态，缓解表示差距，加快收敛并提升性能，并在多个现实问题中验证了有效性。
2026-10-01 cs.LG stat.CO stat.ME
Penalized Likelihood and Bayesian Function Selection in Regression Models
各个领域的研究推动了高维预测变量回归模型变量选择方法的广泛进步。相比之下，选择非线性函数的模型与添加剂预测最近才被认为是。几个相互竞争的建议几乎是同时提出的，而且往往互不相关。本文提供了一个国家的最先进的审查功能选择，侧重于惩罚似然和贝叶斯的概念，在一个统一的框架中相互关联的各种方法。在实证比较中，也包括提升，我们通过应用程序来评估几种方法，模拟和真实数据，从而提供一些指导，在实践中的性能。
2013-03-04 stat.ME
pocoMC: A Python package for accelerated Bayesian inference in astronomy and cosmology
pocoMC是一个Python包，用于加速天文学和宇宙学中的贝叶斯推断。该代码被设计为从具有非平凡几何形状的后验分布中有效地采样，包括强多模态和非线性。为此，pocoMC依赖于预处理蒙特卡罗算法，该算法利用归一化流来解相关后验参数。它有利于参数估计和模型比较的任务，特别是在计算昂贵的应用程序的重点。它允许在Python中拟合定义为对数似然函数和对数先验概率密度函数的任意模型。与流行的替代方案（如嵌套采样）相比，pocoMC可以加快采样过程的数量级，大大降低计算成本。最后，计算集群的并行化体现了线性缩放。
2022-07-12 astro-ph.CO astro-ph.IM physics.comp-ph
Bayesian Computation in Astronomy: Novel methods for parallel and gradient-free inference
这篇论文的目标是双重的，介绍贝叶斯推断和计算的基础，重点是天文学和宇宙学的应用，并提出最近的进展概率计算方法的作者，旨在促进贝叶斯数据分析的下一代天文观测和理论模型。本论文的第一部分通过贝叶斯推理的棱镜，通过介绍理论的关键组成部分并讨论其最佳实践，使读者熟悉概率的概念及其与科学的相关性。第二部分包括一个教学介绍贝叶斯计算的原则，由概率分布的几何特征的动机，并随后详细阐述了各种方法，包括马尔可夫链蒙特卡罗（MCMC），顺序蒙特卡罗（SMC）和嵌套抽样（NS）。最后，第三部分介绍了两种新的计算方法（Entrance Slice Sampling和Preconditioned Monte Carlo）和它们各自的软件实现（zeus和pocoMC）。[删节]
2023-03-28 astro-ph.CO astro-ph.EP astro-ph.IM
HiBayES: A Hierarchical Bayesian Modeling Framework for AI Evaluation Statistics
UK AI Security Institute（英国人工智能安全研究所）
针对AI评估的高成本与分层复杂性，提出分层贝叶斯建模框架HiBayES，基于广义线性模型实现稳健的不确定性量化与参数估计，尤其适用于低数据场景，并提供配套软件包。
2025-07-13 cs.AI stat.AP
Bilby: A user-friendly Bayesian inference library for gravitational-wave astronomy
贝叶斯参数估计正迅速成为引力波天文学的语言。这是一种利用引力波数据来推断源的天体物理性质的方法。我们介绍了一个用户友好的贝叶斯推断库的引力波天文学，比尔比。这个python代码提供了专家级的参数估计基础设施，具有简单的语法和工具，便于初学者使用。它允许用户对LIGO/Virgo的真实、免费数据和模拟数据进行准确、可靠的引力波参数估计。我们提供了一套的例子来分析紧凑的双星合并和其他类型的信号模型，包括超新星和残留的双星中子星合并。这些例子说明了如何改变信号模型，如何实现新的似然函数，以及如何添加新的检测器。Bilby具有使用分层贝叶斯建模进行人口研究的额外功能。我们提供了一个例子，我们推断的形状的黑洞质量分布的观测二进制黑洞合并的合奏。
2018-11-05 astro-ph.HE astro-ph.IM gr-qc
Structural Refinement of Bayesian Networks for Efficient Model Parameterisation
Department of Statistics, University of Warwick（沃里克大学统计系）
针对贝叶斯网络参数化中数据稀缺、CPT参数过多的问题，本文综述了多种结构精化近似方法，分析其特性要求，通过心血管风险评估模型实例评估，并给出方法选择的实用指导。
2025-09-30 cs.AI cs.LG stat.AP
The power of Bayesian evidence in astronomy
我们讨论了贝叶斯证据比或贝叶斯因子在天文学模型选择中的应用。我们把证据比作为一个统计量，并调查其分布在合奏的实验，考虑简单的分析例子和一些更现实的情况下，这需要数值模拟。我们发现，证据比是一个噪声统计，因此，它可能是不明智的，以决定接受或拒绝一个模型的证据比是否达到某个阈值的基础上。证据比所建议的比值与基于证据比的检验的功效或I类错误率没有明显的关系。这种检验的一般性能受到数据中的信噪比、假定的先验和被视为“决定性”的证据比中的阈值的强烈影响。考虑中的整套模式的全面性也非常重要。证据比方法在给定问题中的有用性可以在实验之前使用简单的模型和数值近似进行评估。在许多情况下，这种方法可以像复杂问题的成本更高的全面贝叶斯分析一样提供信息。
2011-01-25 astro-ph.CO astro-ph.IM
BAM! Bayesian Anything Model: a foundation model for generative computational imaging
Université Paris Cité（巴黎西岱大学）；CNRS（法国国家科学研究中心）；Heriot-Watt University（赫瑞-瓦特大学）；Maxwell Institute for Mathematical Sciences（麦克斯韦数学科学研究所）
提出BAM，一种轻量级物理感知基础模型，通过条件流映射实现少步后验采样，仅36M参数，在多个线性逆问题基准上以3步超越专用模型和零样本方法，降低计算成本。
2026-10-01 cs.CV stat.ML
On weakly informative prior distributions for the heterogeneity parameter in Bayesian random-effects meta-analysis
正态-正态分层模型（NNHM）构成了一个简单而广泛使用的荟萃分析框架。在通常情况下，只有少数研究有助于荟萃分析，标准的推理方法往往表现不佳，贝叶斯荟萃分析已被建议作为一个潜在的解决方案。然而，贝叶斯方法需要合理地指定先验分布。虽然无信息先验通常用于总体平均效应，但已建议使用弱信息先验用于异质性参数，特别是在（非常）少数研究的背景下。然而，到目前为止，如何一般指定一个弱信息的异质性先验缺乏共识。在这里，我们调查的问题更密切，并提供一些指导事先规范。
2021-01-13 stat.ME
Bayesian estimation for a parametric Markov Renewal model applied to seismic data
本文提出了一个完整的方法，贝叶斯推断的半马尔可夫过程，从启发的先验分布，计算后验摘要，包括指导其JAGS实现。假设保持时间（以两个给定状态之间的过渡为条件）为威布尔分布。我们检查引出的联合先验密度的形状和尺度参数的韦布尔分布，推导出一个特定的类的先验在一个自然的方式，以及一种方法用于确定超参数的基础上"学习数据“和时刻存在条件。这个框架适用于三种类型的严重性（低，中，高尺寸），发生在意大利北部亚平宁山脉中部和收集的\cite{CPTI04}目录的地震数据。两种类型的能量积累和释放机制的假设进行了评估。
2014-04-04 stat.ME
Singularities in Bayesian Inference: Crucial or Overstated?
本文提出涵盖含零奇点与不含零奇点收缩先验的统一框架，借助 Gambel 分布刻画近原点与尾部行为，并给出性质比较、一致性、MCMC 推断及超参数选择指导。
2025-01-11 math.ST stat.ME stat.TH
Massively parallel Bayesian inference for transient gravitational-wave astronomy
了解瞬态引力波的性质及其来源在物理学和天文学中具有广泛的意义。贝叶斯推断是瞬态引力波天文学中天体物理测量的标准框架。通常，随机抽样算法用于估计描述实验数据的模型的参数空间上的后验概率分布。物理上最精确的模型通常伴随着大量的计算开销，这会使数据分析非常耗时，甚至可能是令人望而却步的。在某些情况下，高度专业化的优化可以缓解这些问题，尽管它们可能难以实现，并且难以推广到数据的任意模型。在这里，我们提出了一个准确的，灵活的和可扩展的天体物理推断方法：并行嵌套采样。推理的停机时间的减少几乎与在高性能计算集群上运行的并行进程的数量成线性关系。通过在高性能集群中利用数百或数千个CPU的池，可以减轻许多天体物理推断的大的壁时间，同时确保可以“开箱即用”地使用任何引力波信号模型，即，而无需额外的优化或近似。我们的方法将有助于LIGO-Virgo-KAGRA合作和更广泛的科学界对引力波进行天体物理分析。在开源引力波推断库$\texttt{pBilby}$（并行$\texttt{bilby}$）中提供了一个实现。
2020-04-27 astro-ph.IM gr-qc
When models fail: an introduction to posterior predictive checks and model misspecification in gravitational-wave astronomy
贝叶斯推断是引力波天文学中的一个强有力的工具。它使我们能够推导出合并致密天体双星的性质，并确定这些合并是如何根据质量，自旋和红移作为一个人口分布。随着越来越多地使用贝叶斯推断得出关键结果，对贝叶斯方法的审查也越来越多。在这篇综述中，我们讨论了\textit{model misspecification}的现象，其中贝叶斯推断得到的结果是误导的，因为在假设的模型（S）的缺陷。这些缺陷会妨碍我们对描述物理系统的真实参数的推断。它们还可能降低我们区分“最佳拟合”模型的能力：如果两个模型都明显不能很好地描述现实，那么说模型A优于模型B可能会产生误导。一般来说，模型失败有两种方式：未能充分描述数据（信号或噪声）的模型具有错误的可能性。人口模型--例如，设计来描述黑洞质量分布的模型--可能由于错误指定的先验而无法充分描述真实的人口。我们建议使用受引力波天文学启发的例子进行测试和检查，这对发现错误指定的模型很有用。我们包括同伴python笔记本来说明基本概念。
2022-03-08 astro-ph.IM gr-qc
Bayesian parameter estimation using conditional variational autoencoders for gravitational-wave astronomy
University of Glasgow（格拉斯哥大学）
引力波（GW）探测现在是司空见惯的，随着全球GW探测器网络灵敏度的提高，我们每年将观测到$\mathcal{O}(100)$ s的瞬态GW事件。目前用于估计其源参数的方法采用最佳敏感但计算成本高的贝叶斯推断方法，其中典型的分析需要6小时至5天。对于双星中子星和中子星黑洞系统，预计在1秒至1分钟的时间尺度上会立即产生对应的电磁（EM）特征，目前用于提醒EM后续观察者的最快方法可以在$\mathcal{O}(1)$分钟内提供对有限范围的关键源参数的估计。在这里，我们表明，一个条件变分自动编码器预先训练的二进制黑洞信号可以返回贝叶斯后验概率估计。对于给定的先验参数空间，训练过程仅需要执行一次，并且所得的经训练的机器然后可以比现有技术更快地生成描述后验分布$\sim 6$数量级的样本。
2021-12-14 astro-ph.IM cs.LG gr-qc
Variational Diffusion Posterior Sampling with Midpoint Guidance
Ecole polytechnique（巴黎综合理工学院）；Télécom SudParis（南巴黎电信学院）；KTH University（皇家理工学院）
本文提出一种利用转移概率分解的新方法，在难以处理的引导项与先验转移的复杂性间进行权衡，以解决扩散模型后验采样难题，并在多种逆问题及心血管疾病诊断中验证了其有效性。
2024-12-24 cs.LG stat.ML
Bayesian Ensembling: Insights from Online Optimization and Empirical Bayes
Stony Brook University（石溪大学）；Brookhaven National Laboratory（布鲁赫斯国家实验室）；Basis Research Institute（基础研究机构）
本文提出在线贝叶斯堆叠（OBS）方法，通过优化预测分布的对数得分来适应性地组合贝叶斯模型，并将其与投资组合选择理论联系起来，提供了一种新的理论框架和高效算法。
2026-01-22 cs.LG stat.CO stat.ME
Guidance for Prior Change via Density Ratio Estimation
University of Bristol（布里斯托尔大学）
针对现有SBI方法受先验限制的问题，提出基于DRE的无偏测试时引导框架，在多任务及行星光变曲线数据实验中表现优于PriorGuide且鲁棒性强。
2026-11-09 cs.LG stat.ME stat.ML
From priors to performance: enhancing statistical efficiency with Bayesian dynamic borrowing
University of North Carolina Chapel Hill（北卡罗来纳大学教堂山分校）；Getulio Vargas Foundation（热图利奥·瓦加斯基金会）
本文全面回顾贝叶斯动态借用方法，并展示如何利用公开软件实现模型选择、效应估计和敏感性分析，以增强分析人员整合外部数据的信心。
2026-09-15 stat.ME
Application of Bayesian model inadequacy criterion for multiple data sets to radial velocity models of exoplanet systems
我们提出了一个简单的数学标准，以确定是否一个给定的统计模型不描述几个独立的测量集，或数据模式，充分。我们推导出这一标准的两个数据集，并推广到几个集，通过使用贝叶斯更新的后验概率密度。为了证明使用的标准，我们将其应用到观测的系外行星宿主恒星的径向速度HD 217107，Gliese 581，和\u{psion}仙女座重新分析，并表明，目前使用的模型不一定是足够的，在描述这些测量的属性。我们发现，虽然Gliese 581的两个数据集可以合理地建模，HD 217107的噪声模型需要修改。我们还揭示了\u{psion}仙女座星系径向速度的一些偏差，并报告了最近提出的4行星模型更新的轨道参数。由于我们的标准的一般性，不需要对测量，模型或模型参数的性质进行假设。我们提出的方法可以应用于任何天文问题，以及天文学领域之外，因为它是一个简单的后果贝叶斯规则的条件概率。
2011-06-29 astro-ph.EP stat.ME
Efficient Bayesian Computation Using Plug-and-Play Priors for Poisson Inverse Problems
本文提出两种方法，利用插件式先验解决低光子泊松成像问题中的不确定性与约束挑战。
2026-01-09 cs.CV cs.NA math.NA
ESS-Flow: Training-free guidance as Bayesian inference in source space
Department of Computer Science Linköping University（计算机科学系_linköping大学）；Department of Information Technology Uppsala University（信息科技系_uppsala大学）
ESS-Flow是一种无训练、无梯度的引导方法，利用椭圆切片采样在源空间进行贝叶斯推理，适用于材料设计和蛋白质结构预测。
2026-11-05 cs.LG stat.ML
