具有未知动力学的状态空间模型中的无似然推断
机器学习
2023-02-21 v2 机器学习
摘要
无似然推断（LFI）已成功应用于状态空间模型，其中观测的似然不可用，但可以使用黑箱模拟器生成的合成观测进行推断。然而，迄今为止的大部分研究都局限于可以预先制定状态转移动力学模型且模拟预算不受限制的情况。当模拟计算成本高昂且马尔可夫状态转移动力学未定义时，这些方法无法解决状态推断问题。本文提出的方法通过估计转移动力学，并使用状态预测作为模拟的建议，从而在有限数量的模拟下实现状态的 LFI。在非平稳用户模型的实验中，所提出的方法在状态推断和预测的准确性方面均表现出显著改进，其中使用多输出高斯过程进行状态的 LFI，并使用贝叶斯神经网络作为转移动力学的代理模型。
引用
@article{arxiv.2111.01555,
title = {Likelihood-Free Inference in State-Space Models with Unknown Dynamics},
author = {Alexander Aushev and Thong Tran and Henri Pesonen and Andrew Howes and Samuel Kaski},
journal= {arXiv preprint arXiv:2111.01555},
year = {2023}
}