为一大类离散推理问题找到精确解，即使这些问题具有无限支撑和连续先验

文章预览

Exact Bayesian Inference on Discrete Models via Probability Generating Functions: A Probabilistic Programming Approach 基于概率生成函数的离散模型精确贝叶斯推理:一种概率规划方法 https://proceedings.neurips.cc/paper_files/paper/2023/file/0747af6f877c0cb555fea595f01b0e83-Paper-Conference.pdf 摘要 我们提出了一种针对离散统计模型的精确贝叶斯推理方法，该方法能够为一大类离散推理问题找到精确解，即使这些问题具有无限支撑和连续先验。为了表达此类模型，我们 引入了一种概率编程语言，该语言支持离散和连续采样、离散观测、仿射函数、（随机）分支以及对离散事件的条件设置 。我们的 关键工具是概率生成函数：它们为可通过程序定义的分布提供了紧凑的闭式表示，从而能够精确计算后验概率、期望、方差以及更高阶矩。我们的推理方法在名为Genfer的工具中得到了证明，该工具使用自动微 ………………………………