ABC算法中的高效学习
摘要：具有适应性、顺序性的逼近贝叶斯计算在种群遗传学中已经成功应用，可以避免计算似然度。通过将观测到的数据集与从模型模拟得到的数据集样本进行比较，这些方法能够提供对后验分布的准确估计。虽然可以轻松实现并行化，但是确保后验分布逼近质量所需的计算时间仍然很长。为了减轻计算负担，我们提出了一种自适应、顺序的算法，它比其他逼近贝叶斯计算算法运行更快，但仍保持了逼近的准确性。这个提议依赖于Del Moral et al. (2012)的顺序蒙特卡罗采样器，但经过校准以减少对模型的模拟次数。本文通过在一个玩具例子和蜜蜂种群基因研究中的数值实验，证明了我们的算法比传统的逼近贝叶斯计算方案更快。
作者：Mohammed Sedki and Pierre Pudlo and Jean-Michel Marin and Christian P. Robert and Jean-Marie Cornuet
论文ID：1210.1388
分类：Computation
分类简称：stat.CO
提交时间：2013-03-18