关键词markov-chain monte-carlo
搜索结果 - 2
- 基于深度展开的马尔可夫链蒙特卡洛梯度下降的收敛加速
该研究提出了一种可训练的基于采样的求解器用于组合优化问题,使用一种称为深展开的深度学习技术。该求解器基于 Ohzeki 方法,结合了马尔可夫链蒙特卡洛(MCMC)和梯度下降,并通过最小化损失函数来训练其步长。在训练过程中,我们提出了一种基于 - 使用引导式方法的贝叶斯估计多维扩散过程离散观测
本文提出了一种新的框架来解决扩散过程参数估计中存在的难题,并将其应用于 Markov 链蒙特卡罗法中的数据扩充。该方法使用了一种基于随机游走的 Metropolis-Hastings 采样器来更新扩散程的参数,成功地解决了先前方法中的困难点