×
林，明;陈荣;刘军S。

序贯蒙特卡罗的前瞻策略。 （英语） Zbl 1332.62144号

统计科学。 28，第1期，69-94（2013）.
概要：基于重要性抽样和重抽样的原理，序贯蒙特卡罗（SMC）包含了一系列处理复杂随机动态系统的强大技术。许多这样的系统都有很强的记忆力，有了这些记忆力，未来的信息可以帮助加深对当前状态的推断。通过对几种现有算法进行理论论证，并引入几种新算法，我们系统地研究了如何构造高效的SMC算法，以利用“未来”信息，同时又不会产生很大的计算负担。其主要思想是允许在蒙特卡罗过程中进行前瞻，以便将来的信息可以用于加权和生成蒙特卡罗样本，或从当前状态的样本中重新采样。

引用于16文件

理学硕士：

62G09号 非参数统计重采样方法
65二氧化碳 蒙特卡罗方法
65立方厘米 马尔可夫链的数值分析或方法
62M10个 统计学中的时间序列、自相关、回归等（GARCH）

关键词：

序贯蒙特卡罗;前瞻加权;前瞻采样;飞行员展望;多级;自适应前瞻
PDF格式BibTeX公司 XML格式引用
\textit{M.Lin}等人，《统计科学》。28，第1号，69-94（2013；Zbl 1332.62144）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Andrieu，C.、Doucet，A.和Holenstein，R.（2010年）。粒子马尔可夫链蒙特卡罗方法。J.R.统计社会服务。B统计方法。72 269-342. ·Zbl 1184.65001号 ·文件编号：10.1111/j.1467-9868.2009.00736.x
[2] Avitzour，D.（1995）。多目标跟踪的随机模拟贝叶斯方法。IEE《雷达、声纳和导航学报》142 41-44。
[3] Briers，M.、Doucet，A.和Maskell，S.（2010年）。状态空间模型的平滑算法。Ann.Inst.统计。数学。62 61-89. ·Zbl 1422.62297号 ·doi:10.1007/s10463-009-0236-2
[4] Carpenter，J.、Clifford，P.和Fearnhead，P..（1999年）。用于非线性问题的改进粒子。IEE《雷达、声纳和导航学报》146 2-7。
[5] Carter，C.K.和Kohn，R.（1994年）。状态空间模型的吉布斯采样。生物特征81 541-553·Zbl 0809.62087号 ·doi:10.1093/biomet/81.3.541
[6] Carvalho，C.M.、Johannes，M.S.、Lopes，H.F.和Polson，N.G.（2010年）。粒子学习和平滑。统计师。科学。25 88-106. ·Zbl 1328.62541号 ·doi:10.1214/10-STS325
[7] Chen，R.和Liu，J.S.（2000）。混合卡尔曼滤波器。J.R.统计社会服务。B Stat.方法。62 493-508. ·Zbl 0953.62100号 ·doi:10.1111/1467-9868.00246
[8] Chen，R.、Wang，X.和Liu，J.S.（2000）。通过混合卡尔曼滤波在平坦信道中进行自适应联合检测和解码。IEEE Trans。通知。理论46 2079-2094·Zbl 1001.94008号 ·doi:10.1109/18.868479
[9] 肖邦，N.（2002）。静态模型的序列粒子滤波方法。生物特征89 539-551·Zbl 1036.62062号 ·doi:10.1093/biomet/89.3.539
[10] 肖邦，N.（2004）。序列蒙特卡罗方法的中心极限定理及其在贝叶斯推理中的应用。安。统计师。32 2385-2411. ·Zbl 1079.65006号 ·doi:10.1214/009053604000000698
[11] Clapp，T.C.和Godsill，S.J.（1997）。移动通信中的贝叶斯盲反褶积。在IEE移动通信系统自适应信号处理学术论文集9 1-6。IET。
[12] Clapp，T.C.和Godsill，S.J.（1999）。使用顺序重要性采样修复了lag平滑。贝叶斯统计6（J.M.Bernardo、J.O.Berger、A.P.Dawid和A.F.M.Smith编辑）743-752。牛津大学出版社，牛津·兹比尔1179.62110
[13] Crisan，D.和Lyons，T.（2002年）。最小熵近似和优化算法。蒙特卡罗方法应用。8 343-355. ·Zbl 1018.65014号 ·doi:10.1515/mcma.2002.8.4.343
[14] Del Moral，P.（2004）。费曼-卡克公式：谱系和相互作用粒子系统及其应用。纽约州施普林格·Zbl 1130.60003号
[15] Douc，R.、Garivier，E.、Moulines，E.和Olsson，J.（2009）。关于前向滤波后向平滑粒子在一般状态空间模型中的平滑分布近似。工作文件，法国电信研究所，巴黎。
[16] Doucet，A.、Briers，M.和Sénécal，S.（2006年）。序贯蒙特卡罗方法的高效块采样策略。J.计算。图表。统计师。15 693-711. ·doi:10.1198/106186006X142744
[17] Doucet，A.，de Freitas，N.和Gordon，N.编辑（2001年）。实践中的序贯蒙特卡罗方法。纽约州施普林格·Zbl 0967.00022号
[18] Fearnhead，P.（2002）。马尔可夫链蒙特卡罗、充分统计和粒子滤波器。J.计算。图表。统计师。11 848-862. ·doi:10.1198/106186002835
[19] Fearnhead P.和Clifford P.（2003年）。基于粒子滤波的隐马尔可夫模型在线推理。J.R.统计社会服务。B统计方法。65 887-899. ·Zbl 1059.62098号 ·doi:10.1111/1467-9868.00421
[20] Fearnhead，P.、Wyncoll，D.和Tawn，J.（2010年）。具有线性计算成本的顺序平滑算法。生物特征97 447-464·Zbl 1406.62093号 ·doi:10.1093/biomet/asq013
[21] Fong，W.、Godsill，S.J.、Doucet，A.和West，M.（2002）。蒙特卡罗平滑，应用于语音增强。IEEE传输。信号处理。50 438-449。
[22] Gilks，W.R.和Berzuini，C.（2001年）。遵循动态贝叶斯模型的移动目标蒙特卡罗推断。J.R.统计社会服务。B统计方法。63 127-146. ·Zbl 0976.62021号 ·doi:10.1111/1467-9868.00280
[23] Godsill，S.J.、Doucet，A.和West，M.（2004）。非线性时间序列的蒙特卡罗平滑。J.Amer。统计师。协会50 438-449·Zbl 1089.62517号
[24] Godsill，S.J.和Vermaak，J.（2004）。使用跨维序贯蒙特卡罗进行跟踪的模型和算法。程序。IEEE ICASSP 3 976-979。
[25] Gordon，N.J.、Salmond，D.J.和Smith，A.F.M.（1993年）。非线性/非高斯贝叶斯状态估计的新方法。IEE雷达和信号处理程序140 107-113。
[26] Guo，D.、Wang，X.和Chen，R.（2004）。多级混合卡尔曼滤波器。EURASIP J.应用。信号处理。15 2255-2266. ·Zbl 1175.93223号 ·doi:10.1155/S1110865704403229
[27] Hürzeler，M.和Künsch，H.R.（1995）。一般状态空间模型的蒙特卡罗近似。研究报告73，苏黎世ETH。
[28] Ikoma，N.、Ichimura，N.，Higuchi，T.和Maeda，H.（2001）。利用粒子滤波进行机动目标跟踪。在第九届IFSA世界大会和第二十届NAFIPS国际会议上。电气与电子工程师协会。
[29] Kantas，N.、Doucet，A.、Singh，S.S.和Maciejowski，J.M.（2009年）。一般状态空间模型中参数估计的序贯蒙特卡罗方法概述。在第15届IFAC系统识别研讨会上。
[30] Kim，S.、Shephard，N.和Chib，S.（1998年）。随机波动性：似然推断和与ARCH模型的比较。经济研究综述65 361-393·Zbl 0910.90067号 ·doi:10.1111/1467-937X.00050
[31] 北川，G.（1996）。非高斯非线性状态空间模型的蒙特卡罗滤波器和平滑器。J.计算。图表。统计师。5 1-25.
[32] Kong，A.，Liu，J.S.和Wong，W.H.（1994）。顺序插补和贝叶斯缺失数据问题。J.Amer。统计师。协会89 278-288·Zbl 0800.62166号 ·doi:10.2307/2291224
[33] Kotecha，J.H.和Djurić，P.M.（2003）。高斯和粒子滤波。IEEE Trans。信号处理。51 2602-2612. ·Zbl 1369.94196号 ·doi:10.1109/TSP.2003.816754
[34] Liang，J.、Chen，R.和Zhang，J.（2002）。用计数和序贯蒙特卡罗方法研究晶格链聚合物堆积缺陷的统计几何。化学杂志。物理学。117 3511-3521。
[35] Lin，M.T.，Zhang，J.L.，Cheng，Q.和Chen，R.（2005）。独立粒子过滤器。J.Amer。统计师。协会100 1412-1421·Zbl 1117.62388号 ·doi:10.1198/0162145005000349
[36] Liu，J.S.（2001）。科学计算中的蒙特卡罗策略。纽约州施普林格·Zbl 0991.65001号
[37] Liu，J.S.和Chen，R.（1995）。通过顺序插补进行盲反褶积。J.Amer。统计师。协会90 567-576·Zbl 0826.62062号 ·doi:10.2307/2291068
[38] Liu，J.S.和Chen，R.（1998）。动态系统的序贯蒙特卡罗方法。J.Amer。统计师。协会93 1032-1044·兹比尔1064.65500 ·doi:10.2307/2669847
[39] Liu，J.S.、Chen，R.和Wong，W.H.（1998）。拒收控制和顺序重要性抽样。J.Amer。统计师。协会93 1022-1031·Zbl 1064.65501号 ·doi:10.2307/2669846
[40] 马歇尔·A·W（1956）。蒙特卡罗计算中多级抽样方案的使用。蒙特卡罗方法研讨会（M.A.Meyer，ed.）123-140。威利，纽约。
[41] Pitt，M.K.（2002）。平滑粒子过滤器以实现可能性和最大化。沃里克大学技术报告。
[42] Pitt，M.K.和Shephard，N.（1999）。通过模拟过滤：辅助粒子过滤器。J.Amer。统计师。协会94 590-599·Zbl 1072.62639号 ·doi:10.2307/2670179
[43] Rosenbluth，M.N.和Rosenbluth，A.W.（1955年）。分子链平均延伸的蒙特卡罗计算。化学杂志。物理学。23 356-359.
[44] van der Merwe，R.、Doucet，A.、de Freitas，N.和Wan，E.（2002）。无气味颗粒过滤器。神经信息处理系统进展（NIPS 13）（T.K.Leen，T.G.Dietterich和V.Tresp编辑）。麻省理工学院出版社，马萨诸塞州剑桥。
[45] Wang，X.，Chen，R.和Guo，D.（2002）。混合卡尔曼滤波器的延迟导频采样及其在衰落信道中的应用。IEEE传输。信号处理。50 241-264.
[46] Zhang，J.L.和Liu，J.S.（2002）。一种新的序贯重要性抽样方法及其在二维亲水疏水模型中的应用。化学杂志。物理学。117 3492-3498.
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。