Adaptive approximate Bayesian computation
自适应近似贝叶斯计算AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究通用贝叶斯计算并应用于群体遗传学，未明确涉及所列计量领域细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
自适应近似贝叶斯计算
- 研究问题
- 如何提高近似贝叶斯计算的序贯采样效率，并处理已有部分拒绝控制方案在后验近似中引入的偏差？
- 方法与思路
- 作者以重要性采样论证构造替代算法，将其与群体蒙特卡洛方法联系起来，并自动调整前向核的尺度。
- 材料陈述的贡献
- 摘要称，该方案避开既有序贯算法的偏差问题，并在一个群体遗传学例子中，相较另外两种近似算法表现较好。
- 阅读关注点
- 应核对重要性权重、前向核的自适应规则，以及比较算法、计算预算和后验近似误差如何定义与评估。
- 阅读边界
- 仅据版本未注明的索引摘要，不能认定所有近似误差均被消除；比较限于所述例子，具体误差和计算收益未说明。
原文摘要
Sequential techniques can enhance the efficiency of the approximate Bayesian computation algorithm, as in Sisson et al.’s (2007) partial rejection control version. While this method is based upon the theoretical works of Del Moral et al. (2006), the application to approximate Bayesian computation results in a bias in the approximation to the posterior. An alternative version based on genuine importance sampling arguments bypasses this difficulty, in connection with the population Monte Carlo method of Cappé et al. (2004), and it includes an automatic scaling of the forward kernel. When applied to a population genetics example, it compares favourably with two other versions of the approximate algorithm.