bayesflow-org/bayesflow

解決的問題

BayesFlow 提供了一種使用深度學習進行貝葉斯推論的簡化方式。它簡化了從複雜模擬器或傳統參數模型生成的資料中估計參數的過程，使使用者能夠避免傳統貝葉斯方法中緩慢的迭代過程，轉而使用「攤銷」（amortized）工作流程。

工作原理

該庫使用神經網路學習可觀測值（資料）與參數之間的關係。它支援多種神經估計器——包括後驗、似然、比率和點估計器——並利用現代生成式 AI（如擴散模型和一致性模型）來近似後驗分佈。由於基於 Keras 3 建構，它支援 JAX、PyTorch 和 TensorFlow 等多種後端。

適用對象

需要對複雜模擬資料進行貝葉斯推論的研究人員與資料科學家，特別是從事傳染病建模（SIR）、認知建模以及空間或影像資料研究的使用者。

主要亮點

• 多後端支援：透過 Keras 3 與 JAX、PyTorch 和 TensorFlow 無縫整合。
• 攤銷工作流程：網路訓練完成後即可實現快速推論，同一模型可應用於多個資料集。
• 生成式 AI 集成：包含豐富的生成模型，如擴散模型和一致性模型。
• 跨平台能力：可與 PyMC 集成，用於似然估計和 MCMC 採樣。
• 內建診斷工具：提供一系列工具，用於驗證和理解推論過程的結果。