Apr, 2017

可逆跳跃 Metroplis 光传输算法基于反射映射

PDF
TL;DR本研究探讨了马尔可夫链蒙特卡洛（MCMC）方法在主样本空间中的运行及其与多种采样技术的交互作用。将采样技术合并到 MCMC 的状态中会影响其探索路径空间的能力。本研究提出了可逆跳跃 MCMC（RJMCMC）并引入概率倒置技术以解决此问题，从而形成了一种新的扰动，我们称之为可逆跳跃 MLT（RJMLT）。在广泛的场景中验证了我们实现的正确性，并展示了时间上的改进，结构上的漏洞减少以及收敛速度的提高。
markov chain monte carlosampling techniquesreversible jump mcmclight transport simulationrjmlt
发现论文，激发创造
  • 运输图加速的马尔科夫链蒙特卡罗

    本文提出了一种新的框架来有效地对复杂概率分布进行抽样，使用最优传输映射和 Metropolis-Hastings 规则相结合，通过连续传输将典型的 Metropolis 提议机制转换为非高斯提议分布，从而更有效地探索目标密度，并在众多参数推断问题中表现出数量级的速度优势。

    Dec, 2014

  • 使用可逆跳转 MCMC 求解马尔可夫决策过程的新推理策略

    本文提出了利用 Markov Chain Monte Carlo (MCMC) 方法解决参数控制问题的技术，并进行了多项改进，以在高维空间下更加实用。我们首先介绍了一种新的目标分布，能够从采样轨迹中合并更多的回报信息。我们还展示了如何有效地破解政策参数与采样轨迹之间较强的相关性，以便更自由地采样。最后，我们展示了如何以原则性方式将这些技术结合起来，从而获得最优策略的估计结果。

    May, 2012

  • 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

  • Lifting - 一种非可逆马尔可夫链蒙特卡罗算法

    探讨采用不可逆马尔可夫链构建的 Monte Carlo 采样方法，相对于可逆马尔可夫链能提高方程终态速度，同时仍能够保证采样到达目标状态分布。

    Dec, 2014

  • 基于玻尔兹曼生成器的 MCMC 移动的转移路径抽样

    通过正态流潜空间中的 Metropolis-Hastings 接受准则，提出了一种在不需分子模拟的情况下，通过正态化流从分子的 Boltzmann 分布到高斯分布的映射，来快速提取两个 3D 状态间所有可能的过渡路径，并进行精确采样。

    Dec, 2023

  • 针对马尔可夫链和过程蒙特卡罗的 Peskun-Tierney 排序：超越可逆情况

    本文研究了一种当前或重新引起物理学和统计学关注的非可逆蒙特卡洛马尔可夫链和过程，开发了一种与可逆情景类似的比较结果，揭示了早期文献的一些猜想，并加强了一些早期结果。

    Jun, 2019

  • 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

  • 一种基于传输的多保真度 Markov Chain Monte Carlo 预处理器

    本文提出了一种多保真度方法，将高保真度模型和低保真度模型结合起来，用低保真度模型构建建议分布，以实现高效的 MCMC 采样。此方法在数值实验中取得了显著的加速效果。

    Aug, 2018

  • 反向路径追踪用于联合材质和照明估计

    Inverse Path Tracing 通过可逆光传输模拟，提出了一种新颖的方法，可以在保证物理正确性的情况下，同时获取室内场景中的光源和材料属性，并使用可微分的蒙特卡罗渲染器进行优化，以实现编辑和重渲染。

    Mar, 2019

  • 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