arXiv · Statistics Machine Learning· Chuntao Chen, Tapio Helin, Nuutti Hyv\"onen, Yuya Suzuki·· 3 hr agoAI score22
贝叶斯最优实验设计中微分熵的近似方法
Approximation of differential entropy in Bayesian optimal experimental design
AI brief
论文提出在似然熵与设计无关或可显式计算（如加性高斯噪声模型）时，把贝叶斯最优实验设计中的期望信息增益嵌套积分坍缩为单一积分，转化为最大熵估计问题。该方法用 Monte Carlo 或 quasi-Monte Carlo 代理逼近证据密度，再用标准方法计算微分熵，无需额外似然评估。研究证明其收敛速度与全期望信息增益估计的最先进方法相当或更优，仅依赖前向映射的温和光滑性假设。
Source: arXiv · Statistics Machine Learning · arxiv.org