- Генеративная модель на основе потоков для моделирования редких событий (arXiv)
Автор: Лахлан Гибсон, Маркус Хёргер, Дирк Крозе.
Аннотация: Решение проблем принятия решений в сложных стохастических средах часто достигается путем оценки ожидаемого результата решений с помощью выборки Монте-Карло. Тем не менее, выборка может упустить из виду редкие, но важные события, которые могут серьезно повлиять на процесс принятия решений. Мы представляем метод, в котором генеративную модель нормализующего потока обучают моделировать выборки непосредственно из условного распределения при условии, что происходит редкое событие. Используя Coupling Flow, наша модель может, в принципе, сколь угодно хорошо аппроксимировать любое распределение выборки. Комбинируя метод аппроксимации с выборкой по важности, можно получить высокоточные оценки сложных интегралов и ожиданий. Мы включили несколько примеров, чтобы продемонстрировать, как этот метод можно использовать для эффективной выборки и оценки, даже в многомерных и редких условиях. Мы показываем, что, моделируя непосредственно распределение редких событий, можно получить существенное представление о том, как происходят редкие события.
2.Подход с разрезом ветвей к плотности вероятности и функциям распределения линейной комбинации центральных и нецентральных случайных величин хи-квадрат (arXiv)
Автор:
Абстрактный :
