Jul, 2014

一种 $σ$ 稳定的 Poisson-Kingman 混合模型的边缘采样器

PDF
TL;DR本文主要研究在贝叶斯非参数混合建模中，采用一类具有稳定性的斯克林泊松 - 金曼随机概率测度。通过利用这类测度的采样特性和边缘特征，设计了一种高效的马尔科夫链蒙特卡罗采样算法，并在一维和多维数据集上应用于密度估计和聚类任务中，与其他的采样方法进行了对比分析。
poisson-kingmanbayesian nonparametric mixture modelingsampling propertiesmarkov chain monte carlo algorithmdensity estimation
发现论文，激发创造
  • 标准随机测度混合模型的 MCMC 方法

    本文提出了一种基于 Markov chain Monte Carlo 方法的贝叶斯非参数混合模型的后验抽样方法，该方法采用归一化随机测度先验，并利用一些最近的后验特征进行修改，提高了 Neal 的 Dirichlet 过程混合模型 8 号算法的效率，并为其构建了一种相关算法。在应用实例方面，我们考虑了具有潜在归一化广义 Gamma 过程先验的混合模型，并描述了比较性的模拟结果证明了所提方法的有效性。

    Oct, 2013

  • 随机梯度分段确定性蒙特卡罗采样器

    通过近似模拟带有子抽样的分段确定性马尔可夫过程（PDMPs）的方法，可以从后验分布中进行可扩展的抽样。这种方法的效率类似于随机梯度 Langevin 动力学，但更为稳健。

    Jun, 2024

  • 带标记泊松过程的混合建模

    本研究提出了一种通用的建模框架，通过结合非参数狄利克雷过程混合模型和非参数或半参数建模，用于标记泊松过程的强度和密度函数建模，包括建议的核函数选取、先验规范和后验模拟等内容，并讨论了模型检验的方法，最后以模拟和真实数据集为例进行了说明。

    Dec, 2010

  • MAD-Bayes: 基于 MAP 的渐近推导与贝叶斯

    应用小方差渐近方法直接处理贝叶斯非参数模型的后验概率，得到一种超越聚类的特征学习目标函数，并提出一些易于实现的新算法，这些算法的效果被实验结果验证。

    Dec, 2012

  • Poisson-Kingman 部分

    本文提出了一些关于随机分区的一般公式，这些公式源自于金曼的随机抽样模型，该模型基于由长度为泊松点过程的点生成的子间隔生成的区间分区。这些长度也可以解释为升高的过程，即具有稳态独立增量的过程的跳跃。应用于由布朗运动或布朗桥的随机分区，该布朗运动或布朗桥在其零处的局部时间上有条件的遍历长度。

    Oct, 2002

  • 马尔可夫跳过程及其扩展的快速 MCMC 采样

    本文介绍了一种利用 Gibbs sampler 并基于均一化思想从马尔可夫跳过程的后验分布模拟路径的方法，并表明该方法在 MJP 模型上表现良好。

    Aug, 2012

  • 时间变异狄利克雷过程混合的广义 Polya 小球模型

    本文介绍了一种基于广义 Polya 弹珠模型的时间变化 Dirichlet 过程混合模型，并通过马尔科夫链蒙特卡罗和顺序蒙特卡罗方法进行推断，以此解决了在数据分布随时间变化的情况下使用传统 DPMs 模型不准确的问题。作者在多个应用中验证了该模型。

    Jun, 2012

  • 强 Rayleigh 度量、DPP 和约束抽样的快速混合马尔可夫链

    通过开发快速 Markov 链采样器，研究了受限制约束下的概率测度，包括强瑞利测度、确定性点过程，从而发展了适用于这些概率模型的 MCMC 采样器，并且通过实验证明了实现理论界限的关键因素对混合时间的依赖关系。

    Aug, 2016

  • 利用粒子 MCMC 对高斯过程状态空间模型进行贝叶斯推断和学习

    通过向状态转移动力学分布中添加高斯过程先验，结合分析型建模和蒙特卡罗采样器进行直接联合平滑分布推断的方法，提出了一种非线性非参数状态空间模型的完全贝叶斯方法。

    Jun, 2013

  • 离散点过程的快速混合

    本文研究用于离散点过程的快速混合马尔可夫链蒙特卡罗采样的系统设计机制，探究了设置条件和误差限制的方法，提出了如何使用 Hessian 量来控制分解信息量，指出如果使用自然的相关性衰减概念，可以使用快速混合的 MCMC 方法导出较小的误差上限。

    Jun, 2015