面向任意结构多层模型的摊销贝叶斯推理

研究人员提出一种针对任意结构多层模型的摊销贝叶斯推理通用方法，通过图扩展与图反转自动推导联合后验分解并构建匹配的神经网络架构。该方法完整保留了生成模型的所有条件独立性与可交换性假设，可对组数及组内观测数进行摊销。在 3 个案例研究中，该方法在超 6,500 个参数的模型上贴合金标准采样器，训练后可实现近乎瞬时的前向推理。