Feb, 2016

交互粒子马尔可夫链蒙特卡罗

PDF
TL;DR介绍 iPMCMC，一种基于标准和条件顺序蒙特卡洛抽样器交互的 PMCMC 方法，通过实证结果证明了相对于非交互式 PMCMC 抽样器和具有等效内存和计算预算的单个 PMCMC 抽样器，iPMCMC 混合速率的显著提高，并适用于分布式和多核架构。
markov chain monte carloipmcmcsequential monte carlointeracting pooldistributed architectures
发现论文，激发创造
  • 非参数的 Involutory Markov Chain Monte Carlo

    我们提出了非参数的纠缠马尔科夫链蒙特卡罗（NP-iMCMC）算法，作为一种构建用于普通概率编程语言（PPL）可表示的非参数模型的 MCMC 推理算法的方法。该方法建立在统一的纠缠 MCMC 框架之上，并通过提供一个在维度之间驱动状态移动的一般性过程，表明了 NP-iMCMC 可以推广许多现有的 MCMC 算法以用于非参数模型。

    Nov, 2022

  • 可逆 MCMC：一个统一的框架

    本文介绍了一种名为 iMCMC 的框架，它提供了一种统一的视角来描述各种 MCMC 算法，并提供了一些指导新算法设计的技巧。两个例子展示了如何将已知的可逆 MCMC 算法转化为更高效的不可逆算法。

    Jun, 2020

  • 顺序蒙特卡罗采样器

    本文介绍了如何使用顺序蒙特卡罗方法来执行通常使用马尔可夫链蒙特卡罗方法完成的任务，从而导致一般类别的基于交互粒子系统的合理集成和遗传类型优化方法。

    Dec, 2002

  • 顺序蒙特卡罗取样器邀请

    本文介绍了顺序蒙特卡罗取样器以及它们可能的实现，说明了顺序蒙特卡罗取样器在统计学中的被低估。这些取样器具有执行顺序推断和利用并行处理资源等潜在优势。

    Jul, 2020

  • 高效连续时间马尔科夫链估计

    本研究提出了一种基于粒子的蒙特卡罗方法，其中持续时间通过解析方法边际化，最终在具有组合状态空间的连续时间马尔可夫链上实现更准确的参数后验近似。

    Sep, 2013

  • 加速贝叶斯决策树的并行方法

    本文提出两种应用并行处理的方法以替代传统的 Markov Chain Monte Carlo (MCMC)，即采用 Sequential Monte Carlo (SMC) 取样器或数据分区，并通过实验测试发现在多核处理器中使用 SMC 比传统串行实现的 MCMC 运行时间快至少 343 倍。

    Jan, 2023

  • 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

  • 切比雪夫粒子

    Markov 链蒙特卡洛 (MCMC) 是推断隐藏马尔可夫模型的可行方法，但由于参数空间中蒙特卡洛采样器在不确定区域内随机采取小步骤，受维度诅咒的约束往往导致计算上的限制。我们首次将目标的后验分布视为样本在无限维欧几里得空间中的映射，其中嵌入了确定性子流形，并提出了一种通过最大化加权里捷极化量来离散化可矩阵流形的新准则。我们研究了 Chebyshev 粒子的特性，并将它们嵌入到连续的 MCMC 中，这是一种高接受率的新型采样器，只提出了少量评估。我们在合成数据的线性高斯状态空间模型和真实数据的非线性随机波动率模型的参数推断实验中取得了高性能。

    Sep, 2023

  • 正交平行 MCMC 方法用于采样和优化

    描述了一种新颖的平行交互式马尔科夫链蒙特卡罗采样算法，被称为正交 MCMC，它能够在全局勘探和局部逼近之间高效地组合。通过数值实验显示出该方案在估计效率和独立性方面的优势。

    Jul, 2015

  • 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