基于正规化流的非参数联合先验的专家 elicitation 方法
统计方法学
2025-04-22 v2 机器学习
摘要
我们提出一种基于正规化流（normalizing flows）的非参数联合先验分布的专家elicitation方法。正规化流是一类生成模型，能够实现精确的单步密度评估，并且可以通过专门的深度神经网络捕捉复杂的密度函数。基于我们先前引入的基于仿真的框架，我们扩展并适应该方法以容纳非参数联合先验。因此，我们的框架支持开发elicitation方法，以学习两者：参数化和非参数化的先验，以及独立或联合的先验用于模型参数。为评估所提方法的性能，我们进行了四项仿真研究，并呈现了一个包含诊断工具和其他评估工具的评估管道，以支持elicitation过程中每个阶段的决策-making。
引用
@article{arxiv.2411.15826,
title = {Expert-elicitation method for non-parametric joint priors using normalizing flows},
author = {Florence Bockting and Stefan T. Radev and Paul-Christian Bürkner},
journal= {arXiv preprint arXiv:2411.15826},
year = {2025}
}