Prior-Amortized In-Context Bayesian Inference for Generalized Linear Mixed-Effects Models
该研究提出了一种名为metabeta的预训练神经网络，用于解决广义线性混合效应模型(GLMMs)中的贝叶斯推理问题，通过先验摊销和上下文学习方法，实现了比传统NUTS更快更稳定的推理。
0 citationsRead paper
Selected work
Representative Papers
Recent publications
Latest Papers
Prior-Amortized In-Context Bayesian Inference for Generalized Linear Mixed-Effects Models
该研究提出了一种名为metabeta的预训练神经网络，用于解决广义线性混合效应模型(GLMMs)中的贝叶斯推理问题，通过先验摊销和上下文学习方法，实现了比传统NUTS更快更稳定的推理。
0 citationsRead paper