科技工作者之家
科技工作者之家APP是专注科技人才,知识分享与人才交流的服务平台。
科技工作者之家 2019-11-28
来源:上海科技大学
我院数据与智能中心廖奇峰教授课题组提出了一种新型方差分析贝叶斯算法,该算法可以高效地计算高维参数的反演问题。近日,该成果以“An adaptive reduced basis ANOVA method for high-dimensional Bayesian inverse problems”为题在应用与计算数学顶级期刊《Journal of Computational Physics》上发表。
在复杂模型的贝叶斯反演问题中,对后验分布有效的采样一直是应用与计算数学中的难题。模型化简或替代模型方法是处理这些复杂模型的常用方法。但是这些复杂模型常涉及高维参数,而传统的模型化简方法很难处理高维参数问题。廖奇峰课题组利用方差分析对高维参数进行模型展开,并对展开模型构造简化基。同时利用马尔可夫链蒙特卡洛方法迭代构造自适应格式,使得方差分析展开符合后验分布。此新方法构造的自适应方差分析展开格式和分层简化基有效地利用了高维参数在复杂模型中存在的低秩结构,在不引入新误差的前提下,大幅提高了目前贝叶斯反演中的模型化简方法的效率(如图),为高维贝叶斯反演计算提供了高效的算法。
该项工作上海科技大学为第一完成单位,利物浦大学为合作单位,得到了国家自然科学基金的支持。
文章链接:https://www.sciencedirect.com/science/article/pii/S002199911930467X
【前沿】机器翻译新突破!“普适注意力”模型:概念简单参数少,性能大增
贝叶斯搜索理论
从对阵员决策角度看什么是兵棋推演?
CICC科普栏目|嘿嘿,想变成会跳舞的小哥哥或小姐姐吗?超简单!
干货 | 深度学习模型超参数搜索实用指南
功能材料中原子结构的贝叶斯预测
基于贝叶斯模型的地下水风险源污染概率估计方法研究
这么多机器学习的应用场景,金融领域到底有何不同?
学术交流 | 地图线状要素眼动识别的朴素贝叶斯方法
一种利用块稀疏贝叶斯学习的浅海宽带信号模态提取方法