cua.edu

이 이메일 도메인이 관측된 논문 2건

arXiv:2610.07391v1stat.ME

집계된 정규화 흐름의 연쇄를 활용한 복잡한 시뮬레이션 모델의 가능도 근사 및 추론에 대한 관점 고찰

A perspective note on likelihood approximation and inference for complex simulation models using a chain of aggregated normalizing flows

본 논문에서는 대규모 데이터 분석을 위한 확장 가능하고 제어 가능한 시뮬레이션 루틴을 촉진하고, 고차원에서 효율적인 매개변수(parameter) 공간 탐험 또는 매끄러운 보간을 가능하게 하며, 이를 통해 불확실성 정량화뿐만 아니라 가설 검정의 유효한 통계적 처리를 지원하는 시뮬레이션 기반 추론(simulation-based inference) 프레임워크 내에서 가능도(likelihood) 근사 문제에 대한 새로운 관점을 제시합니다. 특히, 사전 복제된 순방향 복잡 시뮬레이션 모델의 관측 데이터셋 집합이 첫 번째 전단사 변환(bijective transformation) 집합을 통과한 후 후속 전단사 변환 집합들을 차례로 거치는, 가능도 근사 체계를 위한 $n$-집계 정규화 흐름(normalizing flows)의 연쇄를 고려합니다. 여기서 임의의 $k \in \{1,\,2, \ldots, n\}$에 대해, 첫 $k$개의 전단사 변환 집합에 해당하는 매개변수들은 나머지 $(n-k)$개의 전단사 변환 집합과 무관하게 유연한 확률 분포를 구성하기 위해 어떤 최적성의 관점에서 순차적으로 추정된다고 가정합니다. 나아가, 전체 정규화 흐름의 추정된 매개변수들을 업데이트하고 집계하기 위해, 모멘트 제약 조건 하의 경험적 가능도 추정량에 기반한 정보이론적 정식화와 혼합 분포를 활용한 순차적 의사결정 패러다임이라는 두 가지 상호보완적인 수학적 논거를 강조하는 것을 목표로 합니다. 그 부산물로서, 본 프레임워크는 순방향 계산 시뮬레이션을 정의하는 모델 매개변수를 조건으로 하여 통계적 검정력을 갖춘 표본 생성을 가능하게 하고, 베이지안 패러다임 내에서 추론, 가설 검정, 불확실성 정량화를 위한 계산적으로 다루기 쉬운 체계를 촉진하는 신뢰할 수 있는 대리 모델(surrogate model)을 제공합니다.

arXiv:2607.25026v1stat.ME

모멘트 제약 조건 하의 암묵적 경험적 확률과 임베디드 정규화 흐름의 결합을 통한 시뮬레이션 기반 매개변수 추정

Simulation-based parameter estimation via a combination of embedded normalizing flows and implied empirical probabilities under moment restrictions

본 연구에서는 물리 시스템의 계산 시뮬레이션으로 정의된 모델을 위한 시뮬레이션 기반 매개변수(parameter) 추정 프레임워크를 제시합니다. 구체적으로 전반적인 엔드투엔드(end-to-end) 매개변수 추정 체계를 촉진하는, 긴밀하게 통합된 두 단계로 구성된 추정 프레임워크를 개괄합니다. 첫 번째 단계는 잔차 정보의 미지의 복잡한 분포를 변환된 잔차 정보에 대응하는 단순한 기본 분포로 변환하기 위해 임베디드 정규화 흐름(normalizing flow)을 활용하는 것입니다. 두 번째 단계에서는 모멘트 제약 조건 하의 경험적 가능도(empirical likelihood) 추정기를 활용하여 기본 분포에 간접적인 제약을 부과하며, 이러한 구체화된 작업을 통해 유한 셀 분할표 집합의 단일 셀로서의 각 변환된 데이터 포인트와 함께 이산적으로 분포된 모집단에서 발생하는 확률 변수로 변환된 잔차 정보를 합리적으로 처리할 수 있게 됩니다. 나아가 모멘트 제약 조건 하의 암묵적 경험적 확률로부터 구성된 경험적 가능도 함수의 암묵적 미분을 활용하여 모든 그래디언트(gradient) 관련 정보를 요구함으로써, 계산 시뮬레이션으로 정의된 모델 및 대응하는 매개변수화된 임베디드 정규화 흐름의 추정 매개변수 값을 업데이트하기 위해 1차 그래디언트 방법을 사용합니다. 여기서 정보이론적 해석을 강조하는 본 연구의 문제 정의는 알고리즘 구현을 위한 계산 프레임워크를 제시할 수 있게 한다는 점을 언급할 가치가 있습니다. 마지막으로, 부산물로서 추정된 매개변수 값에 대한 매개변수화된 임베디드 정규화 흐름의 역함수는 계산 시뮬레이션 모델의 대리 모델(surrogate model) 역할을 하여 모델 불일치 정량화 및 민감도 분석에 유용한 정보를 제공합니다.