Feb, 2020

tfp.mcmc: 为现代硬件构建的现代马尔可夫链蒙特卡洛工具

PDF
TL;DR本文介绍了 TensorFlow Probability MCMC 图工具包的设计和应用以及 MCMC 算法对于概率编程在渐近收敛性、稳定性和估计器方差界方面的重要性。
markov chain monte carlomcmctensorflow probabilityasymptotic convergenceprobabilistic programming
发现论文，激发创造
  • 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

  • MCMC 代码测试

    介绍了测试 MCMC 算法正确性的策略，包括采用模块化编程，分离条件概率计算和抽样逻辑，并提出了针对单元测试和集成测试的策略。以高斯混合模型的 Gibbs 抽样为例进行了演示。

    Dec, 2014

  • 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 MCMC 算法

    本研究使用 Markov chain Monte Carlo 算法通过局部探索复杂的统计分布进行模拟，加速收敛的技术包括 tempering 和 Hamiltonian Monte Carlo 等方法。

    Apr, 2018

  • 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

  • MCMC 驱动学习

    该论文旨在统一马尔科夫链蒙特卡洛（MCMC）与机器学习的各种问题，包括黑箱变分推断、自适应 MCMC、理论流构建和辅助传输 MCMC、代理似然 MCMC，并通过一个共同的框架进行泛化与翻译。

    Feb, 2024

  • 连续时间蒙特卡罗的分段确定性马尔可夫过程

    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。

    Nov, 2016

  • 马尔可夫链蒙特卡罗入门

    为初学者提供了关于 Markov Chain Monte Carlo (MCMC) 模拟的介绍，并提供了实际的模拟代码和大部分教材中被跳过的必要细节。此外，还针对 dynamical fermions 进行了专门介绍，并解释了用于模拟的特定方法，特别是 supersymmetric Yang-Mills，在 QCD 和矩阵积分中有实例应用。

    Aug, 2018

  • 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

  • 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