Jan, 2018
对数凹采样:Metropolis-Hastings 算法速度快
Log-concave sampling: Metropolis-Hastings algorithms are fast
Raaz Dwivedi, Yuansi Chen, Martin J. Wainwright, Bin Yu
TL;DR研究了如何从强对数凹密度分布中进行采样,并证明了使用 Metropolis-adjusted Langevin 算法(MALA)混合时间的非渐近上界。结果表明 MALA 与未调整的 Langevin 算法(ULA)相比,使用接受 - 拒绝步骤可以在误差容限上实现指数级改进。此外,我们提供了一些数字例子来支持我们的理论发现,并证明了适应 Metropolis-Hastings 调整的 Langevin 类型采样算法的好处。