估计贝叶斯推断中归一化常数的多正则蒙特卡洛方法

摘要：

贝叶斯推断正逐渐成为解决反问题的一个越来越流行的工具,这主要是因为它能够描述所获得的解的不确定性.在许多实际的贝叶斯反问题中,可能有多个潜在性能良好的模型可用来描述数据和感兴趣的参数.在这种情况下,基于贝叶斯的模型选择方法经常被用来选择"最佳"模型,而这种方法依赖于对后验分布中归一化常数的估计.因此,估计归一化常数成为贝叶斯推断中的一项重要任务,而这个问题对于标准抽样方法来说具有计算上的挑战性.在这项工作中,新提出的一种基于多正则蒙特卡洛技术(MMC)的归一化常数估计方法,可以很好的解决上述难题,这是一种自适应的重要性采样方法.该方法可以以黑箱方式估计归一化常数,使其特别适用于具有复杂基础模型的问题.最后,通过数值例子证明了所提出的方法可以有效且准确地计算出归一化常数的估计值.

关键词：贝叶斯推断、多正则蒙特卡洛、反问题、归一化常数

所属期刊栏目：44

分类号：TP391.9;O212;TN929.1

在线出版日期：2023-10-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：225-236