阿克塞尔·芬克;Thiery，Alexandre H。 高维条件序贯蒙特卡罗。 （英语） 兹比尔1521.65006 Ann.统计。 51，编号2，437-463（2023）. 摘要：迭代条件序列蒙特卡罗（i-CSMC）算法来自C.安德烈等[J.R.Stat.Soc.，Ser.B，Stat.Methodol.72，No.3，269–342（2010；Zbl 1411.65020号)]是一种MCMC方法，用于从具有挑战性的时间序列模型（例如，非线性或非高斯状态空间模型）中的联合后验分布中有效采样潜在状态。它也是吉布斯粒子根据潜在状态推断未知模型参数的采样器。在这项工作中，我们首先证明了i-CSMC算法在状态维（D）中遭受维数灾难：除非算法提出的样本数（“粒子”）（N）与（D）成指数增长，否则它会崩溃。然后，我们提出了一种新的“局部”版本的算法，该算法使用高斯随机遍历移动提出粒子，并用\（D\）进行适当缩放。我们证明了这一点迭代随机游走条件序列蒙特卡罗（i-RW-CSMC）该算法避免了维数灾难：对于任意的（N），其接受率和期望的平方跳跃距离收敛到非平凡极限，如（D到infty）。如果（T=N=1），我们提出的算法可以简化为具有高斯随机游动的Metropolis-Hastings或Barker算法，并且我们恢复了此类算法的已知缩放极限。 MSC公司： 65二氧化碳 蒙特卡罗方法 60J05型 一般状态空间上的离散时间马尔可夫过程 65立方厘米 随机粒子方法 65立方厘米 马尔可夫链的数值分析或方法 关键词：维度诅咒;高尺寸;马尔科夫蒙特卡洛;颗粒过滤器;状态空间模型 引文：Zbl 1411.65020号 PDF格式BibTeX公司 XML格式引用 \textit{A.Finke}和\textit{A.H.Thiery}，Ann.Stat.51，No.2，437--463（2023；Zbl 1521.65006） 全文： 内政部 arXiv公司 参考文献： [1] AGRAWAL，S.、VATS，D.、ŁATUSZYŃSKI，K.和ROBERTS，G.O.（2021）。MCMC在大都市以外的最佳规模。可从arXiv:2104.2020获取·Zbl 1514.65004号 ·doi:10.48550/arXiv.2104.02020 [2] ANDRIEU，C.、DOUCET，A.和HOLENSTEIN，R.（2010）。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 1411.65020号 ·文件编号：10.1111/j.1467-9868.2009.00736.x [3] 北怀特利（2010）。Andrieu，C.、Doucet，A.和Holenstein，R.对“粒子马尔可夫链蒙特卡罗方法”讨论的贡献。英国皇家统计学会杂志:B系列(统计方法) 72 306-307. [4] ANDRIEU，C.、LEE，A.和VIHOLA，M.（2018年）。迭代条件SMC的一致遍历性和粒子Gibbs采样器的几何遍历性。伯努利24 842-872. ·Zbl 1436.60069号 ·doi:10.3150/15-BEJ785 [5] BARKER，A.A.（1965年）。质子-电子等离子体径向分布函数的蒙特卡罗计算。澳大利亚物理杂志18 119-134. ·doi:10.1071/PH650119 [6] Bédard，M.、Douc，R.和Moulines，E.（2012年）。多重MCMC方法的标度分析。随机过程。申请。122 758-786. ·Zbl 1239.60075号 ·doi:10.1016/j.spa.2011.11.004 [7] BÉDARD，M.和MIRUTA，M.（2013）。关于本地MCMC算法与提案池的经验效率。加拿大。J.统计。41 657-678. ·Zbl 1281.65002号 ·doi:10.1002/cjs.1196 [8] BROWN，S.、JENKINS，P.A.、JOHANSEN，A.M.和KOSKELA，J.（2021）。序列蒙特卡罗谱系收敛的简单条件及其应用。电子。J.概率。26第1、22号论文·Zbl 1480.60267号 ·doi:10.1214/20-ejp561 [9] Cappé，O.，Moulines，E.和Rydén，T.（2005）。隐马尔可夫模型中的推理.统计学中的斯普林格系列。斯普林格，纽约·Zbl 1080.62065号 [10] CHOPIN，N.和SINGH，S.S.（2015）。粒子吉布斯采样。伯努利21 1855-1883. ·Zbl 1333.60164号 ·doi:10.3150/14-BEJ629 [11] Christen，J.A.和Fox，C.（2005年）。使用近似的马尔可夫链蒙特卡罗。J.计算。图表。统计人员。14 795-810. ·doi:10.1198/106186005X76983 [12] CRESSIE，N.和WIKLE，C.K.（2015）。时空数据统计.威利，新泽西州霍博肯·Zbl 1273.62017年 [13] Del Moral，P.、Kohn，R.和Patras，F.（2016）。关于粒子吉布斯采样器。亨利·彭加雷·普罗巴布（Henri PoincaréProbab）安·Inst。斯达。52 1687-1733. ·Zbl 1356.60114号 ·doi:10.1214/15-AIHP695 [14] DELMAS，J.-F.和JOURDAIN，B.（2009年）。废物回收真的改善了多比例Metropolis-Hastings算法吗？基于控制变量的分析。J.应用。普罗巴伯。46 938-959. ·Zbl 1187.60056号 ·doi:10.1239/jap/1261670681 [15] DHAENE，J.、WANG，S.、YOUNG，V.和GOOVAERTS，M.J.（2000）。协调性和最大止损保费。施韦茨。阿克图瓦尔。棒球手套。2 99-113. ·Zbl 1187.91099号 [16] DOUC，R.，CAPPé，O.和MOULINES，E.（2005）。粒子滤波重采样方案的比较会议记录4第届国际图像与信号处理与分析研讨会64-69. 电气与电子工程师协会。 ·doi:10.1109/ISPA.2005.195385 [17] DOUCET，A.、GODSILL，S.J.和ANDRIEU，C.（2000年）。贝叶斯滤波的序贯蒙特卡罗抽样方法。统计师。计算。10 197-208. ·doi:10.1023/A：1008935410038 [18] DVORETZKY，A.（1972年）。相依随机变量和的渐近正态性。在第六届伯克利数理统计与概率研讨会论文集(加州大学伯克利分校., 1970/1971),第二卷:概率论513-535. 加利福尼亚大学出版社，加利福尼亚州伯克利·Zbl 0256.60009号 [19] FEARNHEAD，P.（1998）。英国牛津大学统计学系过滤理论中的序贯蒙特卡罗方法博士论文。 [20] FEARNHEAD，P.和CLIFFORD，P.（2003）。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 [21] FINKE，A.、DOUCET，A.和JOHANSEN，A.M.（2016）。关于嵌入式隐马尔可夫模型和粒子马尔可夫链蒙特卡罗方法。可在arXiv:161008962上获得·doi:10.48550/arXiv.1610.08962 [22] FINKE，A.和SINGH，S.S.（2017年）。高维状态空间模型中的近似平滑和参数估计。IEEE传输。信号处理。65 5982-5994. ·Zbl 1414.94197号 ·doi:10.1109/TSP.2017.2733504 [23] FINKE，A.和THIERY，A.H.（2023）。补充“高维条件序贯蒙特卡罗”https://doi.org/10.1214/22-AOS2252SUPP网站 [24] FRENKEL，D.（2004）。通过拒绝状态采样加快蒙特卡罗模拟。程序。国家。阿卡德。科学。美国101 17571-17575. ·doi:10.1073/pnas.0407950101 [25] GUARNIERO，P.、JOHANSEN，A.M.和LEE，A.（2017）。迭代辅助粒子过滤器。J.Amer。统计师。协会。112 1636-1647. ·doi:10.1080/01621459.2016.1222291 [26] 黑斯廷斯，W.K.（1970）。使用马尔可夫链的蒙特卡罗抽样方法及其应用。生物特征57 97-109. ·Zbl 0219.65008号 ·doi:10.1093/biomet/57.1.97 [27] 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:10.1080/01621459.1994.10476469 [28] LEE，A.、SINGH，S.S.和VIHOLA，M.（2020年）。耦合条件反向采样粒子滤波器。安。统计师。48 3066-3089. ·Zbl 1469.65014号 ·doi:10.1214/19-AOS1922 [29] LINDSTEN，F.、DOUC，R.和MOULINES，E.（2015）。粒子吉布斯采样器的均匀遍历性。扫描。J.统计。42 775-797. ·Zbl 1360.60143号 ·doi:10.1111/sjos.12136 [30] LINDSTEN，F.、JORDAN，M.I.和SCHÖN，T.B.（2012年）。吉布斯粒子的祖先采样。在会议记录2012神经信息处理系统会议. ·Zbl 1319.60151号 [31] Liu，J.S.（1996）。Peskun定理和改进的离散Gibbs采样器。生物特征83 681-682. ·Zbl 0866.62061号 ·doi:10.1093/biomet/83.3.681 [32] 马洛里，S.J.（2021）。随机过程的贝叶斯推断ProQuest LLC，密歇根州安阿伯。论文（博士）-兰卡斯特大学（英国）。 [33] 大都市，N.，罗森布鲁斯，A.W.，罗森布拉斯，M.N.，泰勒，A.H.和泰勒，E.（1953年）。通过快速计算机器计算状态方程。化学物理杂志21 1087-1092. ·Zbl 1431.65006号 ·doi:10.1063/1.1699114 [34] MURPHY，J.和GODSILL，S.J.（2015）。高维相互作用系统的块粒子Gibbs格式。IEEE信号处理专题杂志10 328-342. ·doi:10.1109/JSTSP.2015.2509940 [35] NEAL，P.和ROBERTS，G.（2011年）。具有非高斯建议的随机行走Metropolis算法的最优缩放。Methodol公司。计算。申请。普罗巴伯。13 583-601. ·Zbl 1237.60060号 ·doi:10.1007/s11009-010-9176-9 [36] NEAL，R.M.（2003）。使用嵌入隐马尔可夫模型的非线性状态空间模型的马尔可夫链采样。ArXiv数学电子版. ·doi:10.48550/arXiv.math/0305039 [37] NEAL，R.M.、BEAL，M.J.和ROWEIS，S.T.（2004）。利用嵌入的隐马尔可夫模型推断非线性系统的状态序列。高级神经信息处理。系统。16 401-408. [38] Peskun，P.H.（1973）。使用马尔可夫链的最佳蒙特卡罗抽样。生物特征60 607-612. ·兹比尔0271.62041 [39] 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 [40] REBESCHINI，P.和VAN HANDEL，R.（2015）。局部粒子过滤器能战胜维数的诅咒吗？附录申请。普罗巴伯。25 2809-2866. ·Zbl 1325.60058号 ·doi:10.1214/14-AAP1061 [41] Roberts，G.O.、Gelman，A.和Gilks，W.R.（1997）。随机行走Metropolis算法的弱收敛性和最优尺度。Ann.应用。普罗巴伯。7 110-120. ·Zbl 0876.60015号 ·doi:10.1214/oap/1034625254 [42] SCHWEDES，T.和CALDERHEAD，B.（2018年）。准马尔可夫链蒙特卡罗方法。可从arXiv:1807.00070获取·doi:10.48550/arXiv.1807.00070 [43] Sherlock，C.和Roberts，G.（2009年）。椭圆对称单峰目标上随机游走大都市的最优尺度。伯努利15 774-798. ·Zbl 1215.60047号 ·doi:10.3150/08-BEJ176 [44] SHESTOPALOFF，A.和DOUCET，A.（2019年）。复制条件顺序蒙特卡罗。在机器学习国际会议5749-5757. [45] SHESTOPALOFF，A.Y.和NEAL，R.M.（2013）。使用潜在序列集合的非线性状态空间模型的MCMC。ArXiv电子打印. ·doi:10.48550/arXiv.1305.0320 [46] SHESTOPALOFF，A.Y.和NEAL，R.M.（2018）。用嵌入式HMM方法对高维非线性状态空间模型的潜在状态进行采样。贝叶斯分析。13 797-822. ·兹比尔1448.65013 ·doi:10.1214/17-BA1077 [47] SINGH，S.S.、LINDSTEN，F.和MOULINES，E.（2017年）。颗粒吉布斯采样器的阻塞策略和稳定性。生物特征104 953-969. ·Zbl 07072338号 ·doi:10.1093/biomet/asx051 [48] TJELMELAND，H.（2004）。使用所有Metropolis-Hastings提案估算平均值。预印号：4/2004。挪威科技大学，挪威特隆赫姆。 [49] VAN LEEUWEN，P.J.（2009）。地球物理系统中的粒子滤波。每月天气回顾137 4089-4114·doi:10.1175/2009MWR2835.1 [50] Yang，J.、Roberts，G.O.和Rosenthal，J.S.（2020年）。随机游动Metropolis算法在一般目标分布上的最优缩放。随机过程。申请。130 6094-6132. ·Zbl 1455.60100号 ·doi:10.1016/j.spa.2020.05.004 [51] YANG，S.、CHEN，Y.、BERNTON，E.和LIU，J.S.（2018）。关于可并行化的马尔可夫链蒙特卡罗算法与废物回收。统计计算。28 1073-1081 ·Zbl 1406.65008号 ·doi:10.1007/s11222-017-9780-4 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。