在统计模拟前向仿真时的稳健后验推断
天体物理仪器与方法
2020-04-28 v1 宇宙学与河外天体物理
机器学习
机器学习
摘要
科学分析通常依赖于缓慢但准确的前向模型，用于给定已知模型参数条件下可观测数据。尽管存在各种仿真方案来近似这些缓慢计算，但只有当近似被充分理解并受控时，这些方法才是安全的。本研讨会投稿回顾并更新了一种先前发表的方法（已用于宇宙学模拟），以（1）在训练仿真器的同时用 MCMC 估计后验概率，以及（2）将仿真误差显式传播到模型参数后验概率的误差中。我们展示了如何将这些技术应用于快速估计 CDM 宇宙学模型参数的后验分布，同时评估仿真器近似的稳健性。
引用
@article{arxiv.2004.11929,
title = {Robust posterior inference when statistically emulating forward simulations},
author = {Grigor Aslanyan and Richard Easther and Nathan Musoke and Layne C. Price},
journal= {arXiv preprint arXiv:2004.11929},
year = {2020}
}
备注
code available from https://doi.org/10.5281/zenodo.3764460 or https://github.com/auckland-cosmo/LearnAsYouGoEmulator