贝叶斯计算的生成型人工智能
摘要：生成式人工智能（Gen-AI）方法用于贝叶斯计算。Gen-AI自然适用于可以轻松模拟的贝叶斯模型。首先，我们从联合概率模型中生成一个大型训练数据集，包括数据和参数。其次，我们找到一个用于降维的摘要/充分统计量。然后，我们使用深度神经网络来揭示参数和数据之间的反贝叶斯映射。这将找到反向后验累积分布函数。贝叶斯计算等价于具有降维（即特征选择）和非线性（即深度学习）的高维回归。Gen-AI的主要优点是能够无需密度，并因此避免了对后验的MCMC模拟。架构设计很重要，我们提出了深度分位数神经网络作为推理和决策的通用框架。为了说明我们的方法，我们提供了三个示例：一个简化的合成示例，一个交通流预测问题和一个卫星数据集。最后，我们总结了未来研究的方向。 标题：基于生成式人工智能的贝叶斯计算方法及其应用
作者：Nicholas G. Polson and Vadim Sokolov
论文ID：2305.14972
分类：Computation
分类简称：stat.CO
提交时间：2023-06-16