ベイズ経験ベイズ：確率的対称性からの同時推論

本論文では、確率的対称性を活用して同時推論を改善する、経験ベイズ法への新しいアプローチであるベイズ経験ベイズ（BEB）を紹介しています。古典的なEB理論の限界に対処し、主にi.i.d.潜在変数に焦点を当てていますが、配列、空間プロセス、共変量などのより複雑な構造にEBを拡張しています。この手法の強みは、潜在変数の結合分布に関する対称性の仮定からEB法を導き出す能力にあり、変分推論とニューラルネットワークに基づくスケーラブルなアルゴリズムにつながります。配列と空間データのノイズ除去における優れたパフォーマンスを示す経験的結果と、遺伝子発現と大気質分析における実際のアプリケーションは、BEBの実用的な重要性を強調しています。