Parameter inference in a probabilistic model from data: Regulation of transition rate in the Monte Carlo method

ما نتیجه استنتاج پارامترها را در یک مدل احتمالاتی از یک مجموعه داده، که توسط یک مدل احتمالات ناشناخته تولید می شود، در نظر می گیریم. روش مونت کارلو یک ابزار برای به دست آوردن یک مجموعه داده با توجه به توزیع احتمالی داده شده است. مجموعه ای از نرخ های انتقال برای رضایت از سه شرایط (غیر قابل انعطاف، تقسیم و ثابت) برای یک مجموعه داده های نمونه گیری برای نشان دادن توزیع احتمالی مورد نیاز است. ما از وضعیت ثابت توزیع احتمالی با توجه به نرخ انتقال به پارامترهای درونی استفاده می کنیم. توزیع فراوانی توسط یک مجموعه داده برای یک توزیع احتمالی نامشخص در شرایطی جایگزین می شود. روش ما شامل حداقل جریان احتمالی به عنوان یک مورد خاص می شود و به عنوان تعداد نمونه افزایش می یابد.