关于使用序贝叶斯计算和顺序蒙特卡洛的近似核最优性
摘要：在人口遗传学、流行病学和系统生物学中，近似贝叶斯推断（ABC）在过去几年中变得越来越受欢迎。顺序蒙特卡洛（SMC）方法已成为ABC中的重要工具。本文讨论了如何构建ABC SMC方法中需要的扰动核函数，以构建一组从合适定义的先验开始并趋于未知后验的分布。我们推导了不同核函数的最优性准则，这些准则基于分布与扰动粒子的分布之间的Kullback-Leibler散度。我们将展示，在许多复杂的后验分布中，局部自适应核函数往往表现最好。在能够估计费舍尔信息的情况下，我们可以构建特别高效的扰动核函数。我们发现，适应核函数的适度成本很容易通过更高的接受率得到回报。我们在一系列玩具示例中展示了计算效率的提升，这些示例说明了ABC实际应用中面临的一些挑战，然后转向分子生物学中的两个需求参数推断问题，这些问题突出了从选择最优模型中可以获得的巨大效率增益。最后，我们对ABC SMC设置中扰动核函数的合理选择进行了一般讨论。
作者：Sarah Filippi and Chris Barnes and Julien Cornebise and Michael P.H. Stumpf
论文ID：1106.6280
分类：Computation
分类简称：stat.CO
提交时间：2012-10-16