Nov, 2016

连续时间蒙特卡罗的分段确定性马尔可夫过程

PDF
TL;DR本文介绍了基于连续时间 Markov 过程的 Monte Carlo 方法的新发展，包括通过连续时间的 MCMC 和 SMC 算法，实现大数据后验分布采样的方法，以及如何使用子采样和解决效率问题。
monte carlo methodscontinuous-time algorithmsmcmcsequential monte carlomarkov processes
发现论文，激发创造
  • 分段确定性马尔可夫链蒙特卡罗

    本文介绍了一种新的基于非可逆马尔可夫链蒙特卡洛算法的类别，利用连续时间分段确定性马尔可夫过程。这些算法基于确定性动力学演化标记过程的状态，同时利用马尔可夫转移核来改变其状态。通过使用这些算法，只有子集状态被更新，导致其他组件的状态隐含不显，另外，利用无偏估计对数目标时，这些算法保持目标不变。本文提出新的 MCMC 方法来解决这些限制，并在多种应用中展示了这些方案的性能。

    Jul, 2017

  • 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

  • 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

  • 连续时间切换动态系统的马尔可夫链蒙特卡罗方法

    该文提出了一种基于马尔科夫链蒙特卡罗方法的新型推断算法，用于在连续时间模型中获得精确的后验过程的样本，实现了贝叶斯参数估计，并估计了扩散协方差。

    May, 2022

  • 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

  • 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

  • 马尔科夫跳跃过程和连续时间贝叶斯网络的快速 MCMC 采样

    本文提出了基于 Gibbs 采样的快速辅助变量算法，利用 uniformization 方法和隐式马尔可夫模型来推断这些模型中的未观测路径，并通过在一系列连续时间贝叶斯网络上展示了比最先进的 Gibbs 采样算法更显著的计算优势。

    Feb, 2012

  • 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

  • 使用数据驱动的顺序蒙特卡罗方法在概率编程中

    通过先前推理的后验估计，训练一种判别模型，即神经网络，来逼近最优提议分布，最终在 Anglican 概率编程系统中呈现一种非参数模型中基于数据驱动提议的实例，并表明数据驱动提议可以显著提高推理性能，从而需要更少粒子进行良好的后验估计。

    Dec, 2015

  • 弹性粒子采样器：一种非可逆无拒绝的马尔可夫链蒙特卡罗方法

    本文介绍了利用连续时间马尔可夫过程探索目标分布的一种替代方法，该方法可以提供无拒绝的 MCMC 抽样方案，并且在采样混合离散 - 连续分布和被限制在平滑连通域上的分布时很有效。

    Oct, 2015