关键词proposal distributions
搜索结果 - 3
- 广义多重重要性抽样
本研究在多个 proposal 分布下建立了一个新的 Importance Sampling 方法,支持多个 proposal 下的权重分配并可以通过优化 proposal 分布的选择来提高算法效率。
- 多重重要性采样中的最优混合权重
本研究旨在通过优化混合成分采样率来提高多元重要性采样的效率。我们证明在控制变量回归系数和混合概率的联合情况下,多元重要性采样的采样方差是凸的,并给出了一个可用于估计样本数据中最优混合的顺序重要性采样算法。
- 自适应 Gibbs 抽样和相关 MCMC 方法
研究了自适应 Gibbs 和 Metropolis-within-Gibbs 采样器的各个版本,在运行过程中通过学习来动态更新其选择概率(和可能是其提议分布),并试图优化算法。我们提供了一个谨慎的例子,说明即使是看似简单的自适应 Gibbs