Variational Bayesian optimal experimental design

Variational Bayesian optimal experimental design

Bayesian optimal experimental design (BOED) is a principled framework for making efficient use of limited experimental resources. Unfortunately, its applicability is hampered by the difficulty of obtaining accurate estimates of the expected information gain (EIG) of an experiment. To address this, w...

Повний опис

Бібліографічні деталі
Автори:	Foster, A, Jankowiak, M, Bingham, E, Horsfall, P, Tee, YW, Rainforth, T, Goodman, N
Формат:	Conference item
Опубліковано:	Conference on Neural Information Processing Systems 2019

Схожі ресурси

A unified stochastic gradient approach to designing Bayesian-optimal experiments
за авторством: Foster, A, та інші
Опубліковано: (2020)

Modern Bayesian experimental design
за авторством: Rainforth, T, та інші
Опубліковано: (2024)

Variational, Monte Carlo and policy-based approaches to Bayesian experimental design
за авторством: Foster, AE
Опубліковано: (2021)

Making better use of unlabelled data in Bayesian Active learning
за авторством: Bickford Smith, F, та інші
Опубліковано: (2024)

Bayesian Optimization for Probabilistic Programs
за авторством: Rainforth, T, та інші
Опубліковано: (2016)

Target–aware Bayesian inference: how to beat optimal conventional estimators
за авторством: Rainforth, T, та інші
Опубліковано: (2020)

Optimal Bayesian experimental design in the presence of model error
за авторством: Feng, Chi, S.M. Massachusetts Institute of Technology
Опубліковано: (2015)

SelfCheck: using LLMs to zero-shot check their own step-by-step reasoning
за авторством: Miao, N, та інші
Опубліковано: (2024)

Numerical approaches for sequential Bayesian optimal experimental design
за авторством: Huan, Xun
Опубліковано: (2016)

Bayesian Optimization for Adaptive Experimental Design: A Review
за авторством: Stewart Greenhill, та інші
Опубліковано: (2020-01-01)

Beyond Bayesian model averaging over paths in probabilistic programs with stochastic support
за авторством: Reichelt, T, та інші
Опубліковано: (2024)

Simulation-based optimal Bayesian experimental design for nonlinear systems
за авторством: Huan, Xun, та інші
Опубліковано: (2015)

GRADIENT-BASED STOCHASTIC OPTIMIZATION METHODS IN BAYESIAN EXPERIMENTAL DESIGN
за авторством: Huan, Xun, та інші
Опубліковано: (2015)

Bayesian optimization with known experimental and design constraints for chemistry applications
за авторством: Hase, Florian
Опубліковано: (2022)

Bayesian optimization with adaptive surrogate models for automated experimental design
за авторством: Bowen Lei, та інші
Опубліковано: (2021-12-01)

A combinatorial approach to goal-oriented optimal Bayesian experimental design
за авторством: Li, Fengyi,S.M.Massachusetts Institute of Technology.
Опубліковано: (2019)

Disentangling disentanglement in variational autoencoders
за авторством: Mathieu, E, та інші
Опубліковано: (2019)

Output-Weighted Optimal Sampling for Bayesian Experimental Design and Uncertainty Quantification
за авторством: Blanchard, Antoine, та інші
Опубліковано: (2022)

Bayesian Optimal Experimental Design for Race Tracking in Resin Transfer Moulding
за авторством: Nicholas Wright, та інші
Опубліковано: (2023-10-01)

Automating inference, learning, and design using probabilistic programming
за авторством: Rainforth, T
Опубліковано: (2017)

Fully Bayesian Experimental Design for Pharmacokinetic Studies
за авторством: Elizabeth G. Ryan, та інші
Опубліковано: (2015-03-01)

SMC Samplers for Bayesian Optimal Nonlinear Design
за авторством: Kuck, H, та інші
Опубліковано: (2006)

Divide, conquer, and combine: a new inference strategy for probabilistic programs with stochastic support
за авторством: Zhou, Y, та інші
Опубліковано: (2020)

SMC samplers for Bayesian optimal nonlinear design
за авторством: Kueck, H, та інші
Опубліковано: (2006)

An Iterative Nonlinear Filter Using Variational Bayesian Optimization
за авторством: Yumei Hu, та інші
Опубліковано: (2018-12-01)

Online variational filtering and parameter learning
за авторством: Campbell, A, та інші
Опубліковано: (2022)

Accounting for Computational Expenditures in Bayesian Experimental Design
за авторством: Zheng, Sue
Опубліковано: (2022)

Opening Design using Bayesian Optimization
за авторством: Nick Vitsas, та інші
Опубліковано: (2023-12-01)

Towards a theoretical understanding of the robustness of variational autoencoders
за авторством: Camuto, A, та інші
Опубліковано: (2021)

Meta-analysis of the experimental coefficient of variation in wheat using the Bayesian and Frequentist approaches
за авторством: Maicon Nardino, та інші
Опубліковано: (2022-06-01)

A Bayesian interactive optimization approach to procedural animation design
за авторством: Brochu, E, та інші
Опубліковано: (2010)

Optimizing training trajectories in variational autoencoders via latent Bayesian optimization approach
за авторством: Arpan Biswas, та інші
Опубліковано: (2023-01-01)

Automation of Experimental Modal Analysis Using Bayesian Optimization
за авторством: Johannes Ellinger, та інші
Опубліковано: (2023-01-01)

Integrating a tailored recurrent neural network with Bayesian experimental design to optimize microbial community functions.
за авторством: Jaron C Thompson, та інші
Опубліковано: (2023-09-01)

Integrating a tailored recurrent neural network with Bayesian experimental design to optimize microbial community functions
за авторством: Jaron C. Thompson, та інші
Опубліковано: (2023-09-01)

Optimal experiment design with adjoint-accelerated Bayesian inference
за авторством: Matthew Yoko, та інші
Опубліковано: (2024-01-01)

Accelerated Bayesian experimental design for chemical kinetic models
за авторством: Huan, Xun
Опубліковано: (2010)

Bayesian Inference and Experimental Design of Combustion Kinetic Models
за авторством: Chen, Huaibo
Опубліковано: (2024)

Automated data acquisition via Bayesian experimental design
за авторством: Ivanova, DR
Опубліковано: (2024)

Bayesian experimental design and parameter estimation for ultrafast spin dynamics
за авторством: Zhantao Chen, та інші
Опубліковано: (2023-01-01)