深度 Fiducial 推断

自 2000 年代中期以来，学术界对现代修正的 fiducial 推断重新产生了兴趣。迄今为止，提取广义 fiducial 分布的主要计算工具是马尔可夫链蒙特卡洛（MCMC）。我们提出了一种可用于复杂情形的广义 fiducial 分布的替代计算方法。具体而言，为了克服获取非归一化 fiducial 密度（MCMC 所需）的困难，我们设计了一种 fiducial 自编码器（FAE）。拟合后的自编码器用于生成未知参数的广义 fiducial 样本。为提高精度，我们随后应用近似 fiducial 计算（AFC）算法，拒绝那些代入解码器后无法充分复现观测数据的样本。数值实验表明了我们基于 FAE 的逆解的有效性，以及经 AFC 校正的 FAE 解具有出色的覆盖性能。