优化近似贝叶斯计算顺序蒙特卡洛采样的阈值调度：在分子系统中的应用
摘要：无似然序列近似贝叶斯计算（ABC）算法越来越受欢迎，用于复杂的生物模型的推理工具。这种算法通过构建一系列概率分布，这些分布是在参数空间上，条件是模拟的数据落在围绕观测数据的$epsilon$球内，$epsilon$的值逐渐减小。理论上讲，（从适当定义的先验开始）这些分布会在$epsilon$趋近于零时收敛到未知的后验分布，但是准确的阈值序列可能影响特定应用的计算效率和成功性。在这里，我们展示了目前首选的阈值选择方法，即将阈值选择为前一个群体的模拟数据和观测数据之间距离的预定分位数，会导致推断得到的后验分布与真实后验分布非常不同。因此，阈值的选择仍然是一个重要的挑战。我们在这里提出了一种自动和自适应的方法，可以平衡减小阈值的需求和计算效率。此外，我们的方法以预测基于无偏转换的阈值-接受率曲线为中心，使我们能够避免局部最小值问题，这是之前阈值方案所困扰的问题。
作者：Daniel Silk, Saran Filippi and Michael P.H. Stumpf
论文ID：1210.3296
分类：Computation
分类简称：stat.CO
提交时间：2012-10-12