基于聚合归一化流链的仿真模型似然近似与推断

2026年10月7日，arXiv Statistics Machine Learning 发布论文《复杂仿真模型的似然逼近与推理：基于聚合归一化流链的视角》。论文提出在仿真驱动推理框架下，用 n 个聚合归一化流链进行似然逼近：前向仿真生成的复制观测数据依次通过多组双射变换，前 k 组参数按某种最优性准则顺序估计。方法结合经验似然估计、序贯决策与混合分布来更新和聚合参数，并作为可靠代理模型，支持采样、贝叶斯推理、假设检验与不确定性量化。目前报道仅涉及该论文内容，未见后续验证或应用进展。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。