从嘈杂数据中推断复杂模型的参数：CMPE

文章预览

Consistency Models for Scalable and Fast Simulation-Based Inference 用于可扩展和快速基于仿真的推理的一致性模型 https://arxiv.org/html/2312.05440v2 本文涉及的核心基础论文： 神经网络轻松表示任意复杂度的贝叶斯后验的能力预示着科学数据分析的一场革命 OpenAI：Consistency Models 2023 CMPE 在速度和性能方面都可以同时优于所有其他方法 CMPE不仅仅是FMPE的更快版本。相反，它展示了与FMPE的定性差异， 超越了更快的采样速度：(i) 在实验4中，我们表明CMPE比FMPE对神经网络架构的依赖性更低，这使得当任务的最佳架构未知时，CMPE成为一个有前景的替代方案； ( ii) 在我们的实验中，我们观察到CMPE在低数据环境中表现良好，使其在训练数据稀缺时成为一种有吸引力的方法。 摘要 基于仿真的推断（SBI Simulation-based inference ）不断寻求更具表现力的算法，以准确地从嘈杂数据中推 ………………………………