Buchumschlag

Demonstrating the power and flexibility of variational assumptions for amortized neural posterior estimation in environmental applications

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Maceda, Elliot, Hector, Emily C., Lenzi, Amanda, Reich, Brian J.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Demonstrating the Power and Flexibility of Variational Assumptions for Amortized Neural Posterior Estimation in Environmental Applications
von: Elliot Maceda, et al.
Veröffentlicht: (2026)

Conditional diffusions for amortized neural posterior estimation
von: Chen, Tianyu, et al.
Veröffentlicht: (2024)

When the whole is greater than the sum of its parts: Scaling black-box inference to large data settings through divide-and-conquer
von: Hector, Emily C., et al.
Veröffentlicht: (2024)

Towards black-box parameter estimation
von: Lenzi, Amanda, et al.
Veröffentlicht: (2023)

An efficient likelihood-free Bayesian inference method based on sequential neural posterior estimation
von: Xiong, Yifei, et al.
Veröffentlicht: (2023)

Inverse decision-making using neural amortized Bayesian actors
von: Straub, Dominik, et al.
Veröffentlicht: (2024)

Adaptive teachers for amortized samplers
von: Kim, Minsu, et al.
Veröffentlicht: (2024)

Multivariate and Online Transfer Learning with Uncertainty Quantification
von: Hickey, Jimmy, et al.
Veröffentlicht: (2024)

Demystifying amortized causal discovery with transformers
von: Montagna, Francesco, et al.
Veröffentlicht: (2024)

Action abstractions for amortized sampling
von: Boussif, Oussama, et al.
Veröffentlicht: (2024)

Conservative neural posterior estimation via distributionally robust training
von: Laplante, William, et al.
Veröffentlicht: (2026)

Mixed neural posterior estimation for simulators with discrete and continuous parameters
von: Boelts, Jan, et al.
Veröffentlicht: (2026)

Tutorial on amortized optimization
von: Amos, Brandon
Veröffentlicht: (2022)

Density correction for multivariate spatial fields of global climate model output using deep learning
von: Majumder, Reetam, et al.
Veröffentlicht: (2024)

On amortizing convex conjugates for optimal transport
von: Amos, Brandon
Veröffentlicht: (2022)

Identifiability and amortized inference limitations in Kuramoto models
von: Hannula, Emma, et al.
Veröffentlicht: (2026)

Evidence Networks: simple losses for fast, amortized, neural Bayesian model comparison
von: Jeffrey, Niall, et al.
Veröffentlicht: (2023)

CoLT: The conditional localization test for assessing the accuracy of neural posterior estimates
von: Chen, Tianyu, et al.
Veröffentlicht: (2025)

Robustly overfitting latents for flexible neural image compression
von: Perugachi-Diaz, Yura, et al.
Veröffentlicht: (2024)

Equivariant amortized inference of poses for cryo-EM
von: de Ruijter, Larissa, et al.
Veröffentlicht: (2024)

Neural Likelihood Surfaces for Spatial Processes with Computationally Intensive or Intractable Likelihoods
von: Walchessen, Julia, et al.
Veröffentlicht: (2023)

LazyDINO: Fast, scalable, and efficiently amortized Bayesian inversion via structure-exploiting and surrogate-driven measure transport
von: Cao, Lianghao, et al.
Veröffentlicht: (2024)

Sampling by averaging: A multiscale approach to score estimation
von: Cordero-Encinar, Paula, et al.
Veröffentlicht: (2025)

Learning to solve Bayesian inverse problems: An amortized variational inference approach using Gaussian and Flow guides
von: Karumuri, Sharmila, et al.
Veröffentlicht: (2023)

Stochastic Taylor Derivative Estimator: Efficient amortization for arbitrary differential operators
von: Shi, Zekun, et al.
Veröffentlicht: (2024)

Delta-AI: Local objectives for amortized inference in sparse graphical models
von: Falet, Jean-Pierre, et al.
Veröffentlicht: (2023)

Matching aggregate posteriors in the variational autoencoder
von: Saha, Surojit, et al.
Veröffentlicht: (2023)

Feature selection based on cluster assumption in PU learning
von: Uchikoshi, Motonobu, et al.
Veröffentlicht: (2025)

Linear-cost unbiased posterior estimates for crossed effects and matrix factorization models via couplings
von: Ceriani, Paolo Maria, et al.
Veröffentlicht: (2024)

InVAErt networks for amortized inference and identifiability analysis of lumped parameter hemodynamic models
von: Tong, Guoxiang Grayson, et al.
Veröffentlicht: (2024)

Weak neural variational inference for solving Bayesian inverse problems without forward models: applications in elastography
von: Scholz, Vincent C., et al.
Veröffentlicht: (2024)

Amortized Bayesian Local Interpolation NetworK: Fast covariance parameter estimation for Gaussian Processes
von: Feng, Brandon R., et al.
Veröffentlicht: (2024)

A variational Bayes latent class approach for EHR-based patient phenotyping in R
von: Buckley, Brian, et al.
Veröffentlicht: (2025)

Topology-driven identification of repetitions in multi-variate time series
von: Schindler, Simon, et al.
Veröffentlicht: (2025)

Prediction-powered estimators for finite population statistics in highly imbalanced textual data: Public hate crime estimation
von: Waldetoft, Hannes, et al.
Veröffentlicht: (2025)

On zero-shot learning in neural state estimation of power distribution systems
von: Berezin, Aleksandr, et al.
Veröffentlicht: (2024)

Self-adaptive weighting and sampling for physics-informed neural networks
von: Chen, Wenqian, et al.
Veröffentlicht: (2025)

Efficient user history modeling with amortized inference for deep learning recommendation models
von: Hertel, Lars, et al.
Veröffentlicht: (2024)

Pathwise optimization for bridge-type estimators and its applications
von: De Gregorio, Alessandro, et al.
Veröffentlicht: (2024)

Predictive variational inference: Learn the predictively optimal posterior distribution
von: Lai, Jinlin, et al.
Veröffentlicht: (2024)