Mar, 2009

高效蒙特卡洛计算的伪边际方法

PDF
TL;DR该研究介绍了一种强大、灵活的 MCMC 算法，基于最初在遗传学期刊中引入的伪边际方法。该方法描述了该算法近似理想边际算法的过程，具有相同的稳态分布。此外，该方法的收敛特性得到了理论证明，并给出了简单的数值实例以说明技术的实用性。
mcmc algorithmstochastic simulationpseudo-marginal methodapproximationconvergence properties
发现论文，激发创造
  • 自适应和交互式马尔可夫链蒙特卡罗算法的收敛

    本文介绍一种基于 Markov chain Monte Carlo 算法的新型模拟算法，具有高效采样复杂分布的性能，并介绍一种方法学和理论框架，证明了边际分布的收敛性和大数定律成立的条件， 并且具有一定的泛化性，适用于目标分布为非平稳分布的情况。

    Mar, 2012

  • 伪边缘马尔可夫链蒙特卡罗算法的收敛性质

    研究了伪边缘马尔可夫链蒙特卡罗算法的收敛性质，发现了伪边缘算法的渐近方差始终不小于边缘算法的渐近方差，证明了当权重（目标密度的标准化估计）均匀受限时，若边缘链具有（右）谱差且伪边缘链也具有谱差，可得到类似的结果，而在一些特殊情况下，如均匀遍历性、独立 Metropolis-Hastings 或随机行走 Metropolis 直接针对具有正则轮廓的超指数密度，考虑了未受限的权重分布，并获得了多项式收敛速度，我们关于几何和多项式收敛速度的结果意味着中心极限定理，并证明在准确性提高的情况下，伪边缘算法的渐近方差收敛于边缘算法的渐近方差。

    Oct, 2012

  • 块状伪边际采样器

    本篇论文介绍了 PM 算法和与 Monte Carlo 的相关优化，提出块 PM 算法，在一些特定情况下效率更高，具体方法和指南，同时提供了选择最佳样本数量的方法和指南。

    Mar, 2016

  • 高斯过程的伪边缘贝叶斯推断

    本文提出了一种基于伪边缘法的马尔可夫链蒙特卡罗通用策略，有效地解决了使用高斯过程先验的精确贝叶斯推理和模型参数不确定性导致的数据预测问题。此外，Monte Carlo 积分可用于预测中的所有模型参数，这在高斯过程的层次统计模型中具有重要意义，并与最先进的概率分类器进行了广泛的比较。

    Oct, 2013

  • 随机梯度马尔可夫链蒙特卡洛

    本文介绍了一种名为随机梯度马尔可夫链蒙特卡罗（SGMCMC）的可扩展蒙特卡罗算法，其利用数据子抽样技术降低了 MCMC 的迭代成本，并比较了其效率与 MCMC 在基准示例上的异同。

    Jul, 2019

  • 变分 MCMC

    介绍一种新型学习算法，该算法结合了变分逼近和马尔可夫链蒙特卡罗（MCMC）模拟，它的目的是更好地估计高阶时刻，如协方差，并用于逻辑信念网络的贝叶斯参数估计问题。

    Jan, 2013

  • 实用 N2 Monte Carlo 方法：边缘粒子滤波器

    提出了一种称为边际粒子滤波器的顺序蒙特卡罗算法，可以直接操作边际分布从而避免在目标分布维度不断增加时进行重要性抽样。同时，通过该算法提出了改进版的辅助粒子滤波器并给出了理论和实证结果，证明了该方法相较于传统粒子滤波可降低方差，并给出了把算法复杂度降至 O (N logN) 的技巧。

    Jul, 2012

  • 优化蒙特卡洛方法：高效且极易并行的基于似然无关推断

    本文提出了一种任意时间的臭名昭著的并行蒙特卡洛方法，适用于无法计算似然函数的模型。该算法采用优化程序，以最小化模拟器总结统计和数据的距离。通过采用先验和雅各比重估这些样本的权重，以蒙特卡洛估计的方式来表示后验分布。

    Jun, 2015

  • 粒子物理中喷注重构的变分伪边缘方法

    使用重构喷注、贝叶斯方法、序贯蒙特卡罗、变分推断和对撞机物理等关键词，介绍了一种用于推断喷注潜在结构的组合序贯蒙特卡罗方法，以及该方法使用估计器进行参数学习和提供全面贝叶斯处理的可变推理算法。通过使用按照碰撞机物理生成模型生成的数据进行实验证明了该方法在速度和准确性上的优越性。

    Jun, 2024

  • 图形模型的顺序蒙特卡罗方法

    通过提出一种新的框架，使用顺序蒙特卡罗方法对概率图模型进行推断，其目的是通过针对辅助分布来逼近概率图模型定义的全联合分布，并用于构建一般 PGM 的高维块采样算法。

    Feb, 2014