利用混合模型改进变分贝叶斯系统发育推断
机器学习
2023-10-03 v1 机器学习
摘要
我们提出VBPI-Mixtures，一种旨在提升系统发育后验分布准确性（尤其是树拓扑与枝长近似）的算法。尽管变分贝叶斯系统发育推断（VBPI）这一前沿的黑盒变分推断（BBVI）框架已对这些分布实现了卓越的近似，但树拓扑后验的多峰性对基于采样的如BBVI等学习技术构成了巨大挑战。先进的深度学习方法如归一化流与图神经网络已被探索用以精炼枝长后验近似，然而改善树拓扑上后验近似的努力尚显不足。我们新颖的VBPI-Mixtures算法通过利用BBVI领域中混合学习的最新突破弥补了这一缺口。因此，VBPI-Mixtures能够捕捉VBPI无法建模的树拓扑分布。我们在众多真实系统发育数据集的困难密度估计任务上取得了最先进的性能。
引用
@article{arxiv.2310.00941,
title = {Improved Variational Bayesian Phylogenetic Inference using Mixtures},
author = {Oskar Kviman and Ricky Molén and Jens Lagergren},
journal= {arXiv preprint arXiv:2310.00941},
year = {2023}
}