贝叶斯经验贝叶斯：基于概率对称性的同步推断

本文介绍了一种新的经验贝叶斯方法，即贝叶斯经验贝叶斯（BEB），它利用概率对称性来改进同步推断。它解决了经典EB理论的局限性，该理论主要关注独立同分布的潜在变量，通过将EB扩展到更复杂的结构，如数组、空间过程和协变量。该方法的优势在于它能够从潜在变量的联合分布的对称性假设中推导出EB方法，从而产生基于变分推理和神经网络的可扩展算法。经验结果表明，在去噪数组和空间数据方面表现出色，以及在基因表达和空气质量分析中的实际应用，突出了BEB的实际意义。

• •介绍了贝叶斯经验贝叶斯（BEB），以改进同步推断。
• •使用概率对称性将经验贝叶斯扩展到复杂结构。
• •证明了在去噪数组和空间数据方面的卓越性能。