混合模型中贝叶斯推断的粒子吉布斯分裂合并抽样
亚历山大·布沙尔德·科特（Alexandre Bouchard-Cóté）、阿诺德·杜塞特（Arnaud Doucet）、安德鲁·罗斯（Andrew Roth）; 18（28）：2017年1月39日。
摘要
本文提出了一种新颖的马尔可夫链蒙特卡罗方法，用于对共轭混合模型的后验分布进行抽样。该算法依赖于使用Andrieu等人（2009年、2010年）介绍的粒子Gibbs采样器构建的灵活拆分-大型程序。由此产生的所谓粒子吉布斯分裂合并采样器不需要计算复杂的接受率，可以使用现有的顺序蒙特卡罗库来实现。我们对其在合成问题和地理定位数据上的性能进行了实验研究。我们的结果表明，对于给定的计算预算，粒子吉布斯分裂合并采样器在经验上优于现有的分裂合并方法。允许复制实验的代码和说明可在github.com/aroth85/pgsm.
[腹肌]
[pdf格式][围兜]
