|
ИСТИНА |
Войти в систему Регистрация |
ИСТИНА ПсковГУ |
||
Традиционно байесовские модели, формулируемые на языке вероятностного программирования (таких как PyMC или STAN), помимо априорных распределений на параметры содержат функцию правдоподобия. Однако для сложных моделей не всегда удается указать правдоподобие в явном виде, но можно создать симулятор, который генерит сэмплы данных при каждом заданном значении параметров. Байесовский вывод при таком likelihood-free подходе реализуется в виде последовательной аппроксимации апостериорного распределения (посредством Sequential Monte-Carlo методов) и зависит от ряда управляющий этой аппроксимацией параметров. В докладе на примере задачи эльфолокации (восстановления параметров грозового разряда по «ионосферным отпечаткам» эльфам) показано как можно применять SBI при анализе динамических изображений орбитальных многоканальных детекторов.