monte carlo markov chain | BriefGPT

关键词monte carlo markov chain

搜索结果 - 9

流动中的采样：扩散与自回归神经网络的自旋玻璃视角
利用流水、扩散或自回归神经网络等生成模型进行的抽样分析工作，发现在某些参数范围内，这些方法可能无法高效抽样，而标准的 Monte Carlo 或 Langevin 方法则可行。然而，在其他参数范围内，这些生成模型的方法效果更好，而标准方法却
PDF10 months ago
利用敏感度引导的多项式混沌展开和深度生成网络的有效贝叶斯旅行时间层析成像
本研究提出了一种策略，将 VAE 的卓越重建性能与 PCA-PCE 代理模型的准确性相结合，用于贝叶斯地下探地雷达（GPR）走时层析成像，从而解决了 MCMC 方法中先验探索和样本建议的问题。
PDFa year ago
神经网络后验的吉布斯采样
通过在神经网络各个节点引入噪声，作者提出一种新的概率模型，认为由此所得的 posterior distribution 可以用有效的 Gibbs sampler 来采样，并在实验中证明了该方法在真实数据和合成数据上都能取得类似于 Hamil
PDFa year ago
利用进化抽样改进基于少样本学习的蛋白质工程
本文提出一种少样本学习的方法来设计新的功能性蛋白质，该方法包括半监督迁移学习生成离散可行解空间和新型进化蒙特卡罗马尔可夫链采样算法更高效地探索可行解空间。我们在实验中展示了该方法设计出的高适应度基因激活剂有着比现有方法显著的命中率提升，且该
PDFa year ago
CVPR使用随机文法进行以人为中心的室内场景合成
本文提出了一种以人为中心的方法来采样和合成三维房间布局和其二维图像，以获得带有完美每个像素地面真相的大规模二 / 三维图像数据。通过分布学习和采用蒙特卡罗马尔可夫链，可以采样出各种真实的房间布局，并使用视觉真实性、基于地面真实性的可负担性图
PDF6 years ago
蒙特卡罗马尔科夫链算法对强雷利分布和行列式点过程的采样
强瑞利分布是概率分布的自然推广，在其均匀形式的支持下，“自然的” Monte Carlo Markov Chain 快速混合；此外，该证明还暗示 Markov Chains 可以有效地生成 $k$ 确定性点过程的近似样本，这回答了 Desh
PDF8 years ago
21CMMC：一种使得宇宙 21 厘米信号天体物理参数研究成为可能的 MCMC 分析工具
21CMMC 是一个并行化、蒙特卡洛马尔科夫链分析工具，从 21 厘米重子再电离实验中估计天体物理参数约束，可以适应各种再电离模型以及模型参数和再电离历史的先验。21CMMC 可以用于优化干涉仪设计、前景清除算法、观测策略、用于表征 21
PDF9 years ago
一种不可逆 Langevin 采样器和方差缩减技术：基于大偏差方法
本文主要研究在给定的目标分布下如何通过构造一个遍历的 Markov 过程来进行蒙特卡罗抽样，通过添加非可逆漂移可以改善抽样性能，其中大偏差率函数被用作分析收敛速度的工具。实验证明添加不可逆的漂移可以缩短遍历平均数的收敛速度并减少渐近方差。
PDF10 years ago
Gibbs 状态与随机约束满足问题的解集
研究了随机约束满足性问题的两个典型集合，并主要考虑其相空间的纯态、相变等问题，阐述了相变精确位置和多种算法在不同相的表现，包括局部蒙特卡罗马尔科夫链、置信传播和调查传播技术。
PDF18 years ago