标签为 gradient-free inference 的文章

DEMetropolis(Z) 采样器调优

对于连续变量，默认的PyMC采样器（NUTS）要求计算梯度，PyMC通过自动微分来实现这一点。然而，在某些情况下，PyMC模型可能没有提供梯度（例如，通过在PyMC外部评估数值模型），因此需要一个替代的采样器。DEMetropolisZ采样器是梯度无关推断的高效选择。PyMC中DEMetropolisZ的实现基于ter Braak和Vrugt [2008]，但采用了修改后的调优方案。本笔记本比较了采样器的各种调优参数设置，包括在PyMC中引入的drop_tune_fraction参数。

阅读更多 ...

DEMetropolis(Z) 采样器调优

对于连续变量，默认的PyMC采样器（NUTS）要求计算梯度，PyMC通过自动微分来实现这一点。然而，在某些情况下，PyMC模型可能没有提供梯度（例如，通过在PyMC外部评估数值模型），因此需要一个替代的采样器。DEMetropolisZ采样器是梯度无关推断的高效选择。PyMC中DEMetropolisZ的实现基于ter Braak和Vrugt [2008]，但采用了修改后的调优方案。本笔记本比较了采样器的各种调优参数设置，包括在PyMC中引入的drop_tune_fraction参数。

阅读更多 ...

DEMetropolis(Z) 采样器调优

对于连续变量，默认的PyMC采样器（NUTS）要求计算梯度，PyMC通过自动微分来实现这一点。然而，在某些情况下，PyMC模型可能没有提供梯度（例如，通过在PyMC外部评估数值模型），因此需要一个替代的采样器。DEMetropolisZ采样器是梯度无关推断的高效选择。PyMC中DEMetropolisZ的实现基于ter Braak和Vrugt [2008]，但采用了修改后的调优方案。本笔记本比较了采样器的各种调优参数设置，包括在PyMC中引入的drop_tune_fraction参数。

阅读更多 ...

DEMetropolis(Z) 采样器调优

对于连续变量，默认的PyMC采样器（NUTS）要求计算梯度，PyMC通过自动微分来实现这一点。然而，在某些情况下，PyMC模型可能没有提供梯度（例如，通过在PyMC外部评估数值模型），因此需要一个替代的采样器。DEMetropolisZ采样器是梯度无关推断的高效选择。PyMC中DEMetropolisZ的实现基于ter Braak和Vrugt [2008]，但采用了修改后的调优方案。本笔记本比较了采样器的各种调优参数设置，包括在PyMC中引入的drop_tune_fraction参数。

阅读更多 ...

DEMetropolis 和 DEMetropolis(Z) 算法比较

对于连续变量，默认的 PyMC 采样器（NUTS）要求计算梯度，PyMC 通过自动微分来实现这一点。然而，在某些情况下，PyMC 模型可能没有提供梯度（例如，通过在 PyMC 外部评估数值模型），因此需要一个替代的采样器。差分进化（DE）Metropolis 采样器是梯度无关推断的高效选择。本笔记本比较了 PyMC 中的 DEMetropolis 和 DEMetropolisZ 采样器，以帮助确定哪个是给定问题的更好选择。

阅读更多 ...

DEMetropolis 和 DEMetropolis(Z) 算法比较

对于连续变量，默认的 PyMC 采样器（NUTS）要求计算梯度，PyMC 通过自动微分来实现这一点。然而，在某些情况下，PyMC 模型可能没有提供梯度（例如，通过在 PyMC 外部评估数值模型），因此需要一个替代的采样器。差分进化（DE）Metropolis 采样器是梯度无关推断的高效选择。本笔记本比较了 PyMC 中的 DEMetropolis 和 DEMetropolisZ 采样器，以帮助确定哪个是给定问题的更好选择。

阅读更多 ...

DEMetropolis 和 DEMetropolis(Z) 算法比较

对于连续变量，默认的 PyMC 采样器（NUTS）要求计算梯度，PyMC 通过自动微分来实现这一点。然而，在某些情况下，PyMC 模型可能没有提供梯度（例如，通过在 PyMC 外部评估数值模型），因此需要一个替代的采样器。差分进化（DE）Metropolis 采样器是梯度无关推断的高效选择。本笔记本比较了 PyMC 中的 DEMetropolis 和 DEMetropolisZ 采样器，以帮助确定哪个是给定问题的更好选择。

阅读更多 ...

DEMetropolis 和 DEMetropolis(Z) 算法比较

对于连续变量，默认的 PyMC 采样器（NUTS）要求计算梯度，PyMC 通过自动微分来实现这一点。然而，在某些情况下，PyMC 模型可能没有提供梯度（例如，通过在 PyMC 外部评估数值模型），因此需要一个替代的采样器。差分进化（DE）Metropolis 采样器是梯度无关推断的高效选择。本笔记本比较了 PyMC 中的 DEMetropolis 和 DEMetropolisZ 采样器，以帮助确定哪个是给定问题的更好选择。

阅读更多 ...

使用贝叶斯推理的ODE Lotka-Volterra多方法

本笔记本的目的是演示如何在具有和不具有梯度的情况下对常微分方程（ODE）系统进行贝叶斯推断。比较了不同采样器的准确性和效率。

阅读更多 ...

使用贝叶斯推断的多方法ODE Lotka-Volterra

本笔记本的目的是演示如何在具有和不具有梯度的情况下对常微分方程（ODE）系统进行贝叶斯推断。比较了不同采样器的准确性和效率。

阅读更多 ...

使用贝叶斯推断的多方法ODE Lotka-Volterra

本笔记本的目的是演示如何在具有和不具有梯度的情况下对常微分方程（ODE）系统进行贝叶斯推断。比较了不同采样器的准确性和效率。

阅读更多 ...

使用贝叶斯推理的ODE Lotka-Volterra多方法

本笔记本的目的是演示如何在具有和不具有梯度的情况下对常微分方程（ODE）系统进行贝叶斯推断。比较了不同采样器的准确性和效率。

阅读更多...