抽象的

我们考虑用于进化的出生死亡模型的概率编程，并引入了一种新的可广泛推理方法，该方法将活着粒子滤波器（APF）的扩展与自动rao-blackwellization结合在一起，通过延迟采样。进化的出生死亡模型是导致进化树的多元化过程的系统发育模型的重要家族。概率编程语言（PPLS）为系统发育学家提供了一种新的激动人心的工具：它们的模型可以作为概率程序实现，仅具有编程的基本知识。PPL中的一般推论方法减少了对外部专家的需求，允许快速原型制作和测试，并加速新模型的开发和部署。我们展示了如何在现有PPL中将这些出生死亡模型作为简单程序实现，并证明了所提出的推理方法对此类模型的有用性。对于流行的Bisse模型，与标准的自举粒子滤波器相比，该方法的有效样本量和条件接受率的增加30倍。尽管集中于系统发育学，但扩展的APF是一种通用推理方法，在通常分配零重量的情况下显示其强度。在权重始终为正的情况下，使用APF而不是引导粒子滤波器的额外成本可以忽略不计，这使我们的方法成为概率编程推断中Bootstrap粒子过滤器的合适倒入式替换。

作者

Jan Kudlicka，劳伦斯·默里（Lawrence M. Murray），弗雷德里克·朗奎斯特（Fredrik Ronquist）

会议

UAI 2019

完整的纸

“使用延迟采样的活着的粒子过滤器（PDF），“用于进化的出生死亡模型的概率编程”（PDF）

Uber AI