亚历山大·巴赫霍尔茨;萧邦，尼古拉斯;皮埃尔·雅各布。 序贯蒙特卡罗中哈密顿蒙特卡罗的自适应调谐。 （英语） Zbl 07807540号 贝叶斯分析。 16，第3号，745-771（2021）. 摘要：序贯蒙特卡罗（SMC）采样器是贝叶斯计算中MCMC的替代方法。然而，它们的性能在很大程度上取决于用于恢复粒子活力的马尔可夫核。我们讨论了如何在SMC中自动校准（使用当前粒子）哈密顿蒙特卡罗核。为此，我们基于自适应SMC方法P.Fearnhead公司和B.M.泰勒【贝叶斯分析8，第2期，411-438（2013；Zbl 1329.62055号)]，我们还建议其他方法。通过广泛的数值研究，我们说明了在SMC采样器中使用HMC核的优点。 引用于1文件 理学硕士： 62至XX 统计 2015年1月62日 贝叶斯推断 65二氧化碳 蒙特卡罗方法 关键词：哈密尔顿蒙特卡罗;序贯蒙特卡罗 引文：兹比尔1329.62055 软件：青蒿素;斯坦 PDF格式BibTeX公司 XML格式引用 \textit{A.Buchholz}等人，《贝叶斯分析》。16，编号3，745--771（2021；Zbl 07807540） 全文： 内政部 arXiv公司 链接 参考文献： [1] Agapiou，S.、Papaspiliopoulos，O.、Sanz-Alonso，D.、Stuart，A.等人（2017年）。“重要性抽样：内在维度和计算成本”，《统计科学》，32（3）：405-431。数字对象标识符：10.1214/17-STS611谷歌学者：查找链接MathSciNet:MR3696003 zbMATH:1442.62026 Euclid:Euclid.ss/1504253124·Zbl 1442.62026号 ·doi:10.1214/17-STS611 [2] Andrieu，C.和Thoms，J.（2008）。“自适应MCMC教程”，《统计与计算》，18（4）：343-373。数字对象标识符：10.1007/s11222-008-9110-y谷歌学者：查找链接数学科学网：MR2461882·doi:10.1007/s11222-008-9110-y [3] Beskos，A.、Jasra，A.、Kantas，N.和Thiery，A.（2016）。“自适应序贯蒙特卡罗方法的收敛性”，《应用概率年鉴》，26（2）：1111-1146。数字对象标识符：10.1214/15-AAP1113谷歌学者：查找链接MathSciNet:MR3476634 zbMATH:1342.82127 Euclid:Euclid.aoap/1458651829·Zbl 1342.82127号 ·doi:10.1214/15-AAP1113 [4] Beskos，A.、Pillai，N.、Roberts，G.、Sanz-Serna，J.-M.和Stuart，A.（2013）。“混合蒙特卡罗算法的优化调整。”伯努利，19（5A）：1501-1534。数字对象标识符：10.3150/12-BEJ414谷歌学者：查找链接MathSciNet:MR3129023 zbMATH:1287.60090 Euclid:Euclid.bj/1383661192·兹比尔1287.60090 ·文件编号：10.3150/12-BEJ414 [5] Betancourt，M.（2016）。《在哈密尔顿蒙特卡罗中确定最佳积分时间》，arXiv预印本arXiv:1601.00225。 [6] Betancourt，M.、Byrne，S.和Girolma，M.（2014）。“优化哈密顿蒙特卡罗积分步长”，arXiv预印本arXiv:1411.6669。数学科学网：MR3644666 [7] Bou-Rabee，N.和Sanz-Serna，J.M.（2018年）。“几何积分器和哈密顿蒙特卡罗方法”，《数值学报》，27:113-206。数字对象标识符：10.1017/S0962492917000101谷歌学者：查找链接MathSciNet:MR3826507 zbMATH:1431.65004 MathSclNet:MR3173730·Zbl 1431.65004号 ·doi:10.1017/S0962492917000101 [8] Burda，M.和Daviet，R.（2018年）。“哈密尔顿序贯蒙特卡罗在消费者选择行为中的应用”，多伦多大学经济系工作论文tecipa-618。统一资源定位地址https://ideas.repec.org/p/tor/tecipa/tecipa-618.html兹马特：07716490 [9] Carpenter，B.、Gelman，A.、Hoffman，M.、Lee，D.、Goodrich，B.、Betancourt，M.和Brubaker，M.，Guo，J.、Li，P.和Riddell，A.（2017年）。“斯坦：概率编程语言”，《统计软件杂志》，文章，76（1）：1-32。 [10] 肖邦，N.（2002）。“静态模型的顺序粒子滤波方法。”生物特征, 89(3): 539-552. 数字对象标识符：10.1093/biomet/89.3.539谷歌学者：查找链接MathSciNet:MR1929161 zbMATH:1036.62062·兹比尔1036.62062 ·doi:10.1093/biomet/89.3.539 [11] 肖邦，N.和里奇韦，J.（2017）。《别管皮马印第安人：二元回归作为贝叶斯计算的基准》，《统计科学》，32（1）：64-87。数字对象标识符：10.1214/16-STS581谷歌学者：查找链接MathSciNet:MR3634307 zbMATH:1442.62007 Euclid:Euclid.ss/1491465628·Zbl 1442.62007年 ·doi:10.1214/16-STS581 [12] 肖邦，N.、卢梭，J.和利西奥，B.（2013）。“贝叶斯谱密度估计的计算方面”，《计算与图形统计杂志》，22（3）：533-557。数字对象标识符：10.1080/10618600.2013.785293谷歌学者：查找链接数学科学网：MR3173730·doi:10.1080/10618600.2013.785293 [13] Christensen，O.F.、Roberts，G.O.和Rosenthal，J.S.（2005）。“本地Metropolis-Hastings算法瞬态阶段的缩放限制”，《皇家统计学会期刊：B辑（统计方法）》，67（2）：253-268。数字对象标识符：10.1111/j.1467-9868.2005.00500.x谷歌学者：查找链接数学科学网：MR2137324 zbMATH:1075.65012·Zbl 1075.65012号 ·doi:10.1111/j.1467-9868.2005.00500.x [14] Creutz，M.（1988年）。“多发射系统的全局蒙特卡罗算法”，《物理评论》D，38（4）：1228。 [15] Daviet，R.（2018）。“用哈密顿序列蒙特卡罗模拟器进行推理”，arXiv预印本arXiv:1812.07978。 [16] Del Moral，P.、Doucet，A.和Jasra，A.（2006年）。《连续蒙特卡洛采样器》，《皇家统计学会杂志：B辑（统计方法）》，68（3）：411-436。数字对象标识符：10.1111/j.1467-9868.2006.00553.x谷歌学者：查找链接数学科学网：MR2278333 zbMATH:1105.62034·Zbl 1105.62034号 ·文件编号：10.1111/j.1467-9868.2006.00553.x [17] Del Moral，P.、Doucet，A.和Jasra，A.（2007年）。贝叶斯计算的序贯蒙特卡罗〉，《贝叶斯统计》，（8）：1-34。zbMATH:1252.62016年 [18] Duane，S.、Kennedy，A.D.、Pendleton，B.J.和Roweth，D.（1987年）。《混合蒙特卡罗》，《物理快报B》，195（2）：216-222。数字对象标识符：10.1016/0370-2693（87）91197-x谷歌学者：查找链接数学科学网：MR3960671·doi:10.1016/0370-2693（87）91197-x [19] Fearnhead，P.和Taylor，B.M.（2013）。“自适应序贯蒙特卡罗采样器”，贝叶斯分析，8（2）：411-438。数字对象标识符：10.1214/13-BA814谷歌学者：查找链接MathSciNet:MR3066947 zbMATH:1329.62055·兹比尔1329.62055 ·doi:10.1214/13-BA814 [20] Friel，N.和Pettitt，A.N.（2008）。“通过幂后验估计边际似然”，《皇家统计学会杂志：B辑（统计方法）》，70（3）：589-607。数字对象标识符：10.1111/j.1467-9868.2007.00650.x谷歌学者：查找链接数学科学网：MR2420416 zbMATH:05563360·Zbl 05563360号 ·doi:10.1111/j.1467-9868.2007.00650.x [21] Girolami，M.和Calderhead，B.（2011年）。“黎曼流形朗之万和哈密尔顿蒙特卡罗方法”，《皇家统计学会杂志：B辑（统计方法）》，73（2）：123-214。数字对象标识符：10.1111/j.1467-9868.2010.00765.x谷歌学者：查找链接zbMATH:1411.62071 MathSciNet:MR2814492·Zbl 1411.62071号 ·文件编号：10.1111/j.1467-9868.2010.00765.x [22] Gorham，J.和Mackey，L.（2015）。“用斯坦因方法测量样品质量”，《神经信息处理系统进展》，226-234。 [23] Gunawan，D.、Kohn，R.、Quiroz，M.、Dang，K.-D.和Tran，M.-N.（2018年）。“静态贝叶斯模型的子抽样序贯蒙特卡罗”，arXiv预印本arXiv:1805.03317。 [24] Hairer，E.、Lubich，C.和Wanner，G.（2003年）。“用Störmer-Verlet方法说明几何-数值积分”，《数值学报》，12:399-450。数字对象标识符：10.1017/S0962492902000144谷歌学者：查找链接MathSciNet:MR2249159 zbMATH:1046.65110·Zbl 1046.65110号 ·doi:10.1017/S0962492902000144 [25] Hairer，E.、Lubich，C.和Wanner，G.（2006年）。《几何-数值积分：常微分方程的结构保留算法》，第31卷。施普林格科技与商业媒体。zbMATH:1094.65125 zbMATH:0994.65135·Zbl 1094.65125号 [26] Hoffman，M.D.和Gelman，A.（2014）。“无转取样器：在哈密顿蒙特卡罗中自适应设置路径长度”，《机器学习研究杂志》，15（1）：1593-1623。数学科学网：MR3214779 zbMATH:1319.60150·Zbl 1319.60150号 [27] Huggins，J.H.和Roy，D.M.（2018年）。“作为近似采样的序贯蒙特卡罗：边界，通过∞-ESS的自适应重采样，以及对粒子吉布斯的应用。”伯努利数字对象标识符：10.3150/17-bej999谷歌学者：查找链接数学科学网：MR3892330 zbMATH:07007218·doi:10.3150/17-bej999 [28] Jasra，A.、Paulin，D.和Thiery，A.H.（2015）。“多峰分布顺序蒙特卡罗采样器的误差界”，arXiv预印本arXiv:1509.08775。数字对象标识符：10.3150/17-bej988谷歌学者：查找链接数学科学网：MR3892321·doi:10.3150/17-bej988 [29] Jasra，A.、Stephens，D.A.、Doucet，A.和Tsagaris，T.（2011年）。“通过自适应序贯蒙特卡罗推断Lévy驱动的随机波动率模型”，《斯堪的纳维亚统计杂志》，38（1）：1-22。数字对象标识符：10.1111/j.1467-9469.2010.00723.x谷歌学者：查找链接MathSciNet:MR2760137 zbMATH:1246.91149·Zbl 1246.91149号 ·数字对象标识代码：10.1111/j.1467-9469.2010.00723.x [30] Kong，A.、Liu，J.S.和Wong，W.H.（1994年）。“顺序插补和贝叶斯缺失数据问题”，《美国统计协会杂志》，89:278-288。数字对象标识符：10.1080/01621459.1994.10476469谷歌学者：查找链接数学科学网：MR3738474 zbMATH:080.62166·Zbl 0800.62166号 ·doi:10.1080/016214519994.10476469 [31] Kostov，S.（2016）。“哈密顿序贯蒙特卡罗和归一化常数”，布里斯托尔大学博士论文。统一资源定位地址https://ethos.bl.uk/OrderDetails.do？uin=uk.bl.ethos.702941 [32] Leimkuhler，B.和Matthews，C.（2016）。分子动力学。斯普林格。数字对象标识符：10.1098/rspa.2016.0138谷歌学者：查找链接数学科学网：MR3362507 zbMATH:1371.82078·Zbl 1371.82078号 ·doi:10.1098/rspa.2016.0138 [33] Liu，H.、Fan，J.和Liao，Y.（2016）。“大协方差和精度矩阵估计概述”，《计量经济学杂志》，19（1）：C1-C32。数字对象标识符：10.1111/ectj.12061谷歌学者：查找链接数学科学网：MR3501529·Zbl 1521.62083号 ·doi:10.1111/ectj.12061 [34] Livingstone，S.、Betancourt，M.、Byrne，S.和Girolma，M.（2016）。《关于哈密尔顿蒙特卡罗的几何遍历性》，arXiv预印本arXiv:1601.08057。数字对象标识符：10.3150/16-BEJ810谷歌学者：查找链接数学科学网：MR3648031·Zbl 1380.60070号 ·doi:10.350/16-BEJ810 [35] Mangoubi，O.、Pillai，N.S.和Smith，A.（2018年）。“哈密尔顿蒙特卡罗混合比多峰密度上的随机漫步更快吗？”arXiv预印本arXiv:1808.03230。 [36] Mangoubi，O.和Smith，A.（2017年）。“强对数压缩分布上哈密顿蒙特卡罗的快速混合”，arXiv预印本arXiv:1708.07114。 [37] Minka，T.P.（2001）。“近似贝叶斯推理的期望传播”，《第十七届人工智能不确定性会议论文集》，362-369。摩根考夫曼出版公司。 [38] Mohamed，S.、de Freitas，N.和Wang，Z.（2013年）。《自适应哈密顿量和黎曼流形蒙特卡罗采样器》，arXiv预印本arXiv:1302.6182。 [39] Murray，L.M.、Lee，A.和Jacob，P.E.（2016）。“粒子滤波器中的并行重采样”，《计算与图形统计杂志》，25（3）：789-805。数字对象标识符：10.1080/10618600.2015.062015谷歌学者：查找链接数学科学网：MR3533638·doi:10.1080/10618600.2015.06205 [40] Neal，R.M.（1993）。“通过随机动力学进行贝叶斯学习”，《神经信息处理系统进展》，第475-482页。 [41] Neal，R.M.（2001年）。“退火重要性抽样”，《统计与计算》，11（2）：125-139。数字对象标识符：10.1023/A:1008923215028谷歌学者：查找链接数学科学网：MR1837132·doi:10.1023/A:1008923215028 [42] Neal，R.M.（2011）。“使用哈密顿动力学的MCMC”，《马尔可夫链蒙特卡罗手册》，2（11）。数学科学网：MR3185067 [43] Pasarica，C.和Gelman，A.（2010年）。“使用预期的平方跳跃距离自适应缩放Metropolis算法”，《中国统计》，343-364。数学科学网：MR2640698 zbMATH:1186.62038·Zbl 1186.62038号 [44] Ridgway，J.（2016）。《高维高斯正态概率的计算》，《统计学与计算》，26（4）：899-916。数字对象标识符：10.1007/s11222-015-9578-1谷歌学者：查找链接数学科学网：MR3515028 zbMATH:06604172 zbMATH：1505.62339·Zbl 1505.62339号 ·doi:10.1007/s11222-015-9578-1 [45] Roberts，G.O.、Gelman，A.和Gilks，W.R.（1997）。“随机行走大都会算法的弱收敛性和最优缩放”，《应用概率年鉴》，7（1）：110-120。数字对象标识符：10.1214/aoap/1034625254谷歌学者：查找链接MathSciNet:MR1428751 Euclid:Euclid.aoap/1034625254 zbMATH:087.60015·Zbl 0876.60015号 ·doi:10.1214/aoap/1034625254 [46] Roberts，G.O.和Rosenthal，J.S.（1998年）。“朗之万扩散离散近似的最佳缩放”，《皇家统计学会杂志：B辑（统计方法）》，60（1）：255-268。数字对象标识符：10.1111/1467-9868.00123谷歌学者：查找链接MathSciNet:MR1625691 zbMATH:0913.60060·Zbl 0913.60060号 ·doi:10.111/1467-9868.00123 [47] Salomone，R.、South，L.F.、Drovandi，C.C.和Kroese，D.P.（2018年）。“通过连续蒙特卡罗进行无偏一致嵌套抽样”。arXiv预印本arXiv:1805.03924。 [48] Schäfer，C.和Chopin，N.（2013年）。“大型二进制采样空间上的序贯蒙特卡罗”，《统计与计算》，1-22。数字对象标识符：10.1007/s11222-011-9299-z谷歌学者：查找链接数学科学网：MR3016936·Zbl 1322.62035号 ·doi:10.1007/s11222-011-9299-z [49] Schweizer，N.（2012年a）。“序列MCMC的非症状误差界和Feynman-Kac传播子的稳定性”，arXiv预印本arXiv:1204.2382。 [50] Schweizer，N.（2012年b）。“多模式设置中顺序MCMC方法的非症状误差界限”。arXiv预打印arXiv:1205.6733·Zbl 1295.65004号 [51] Sim，A.、Filippi，S.和Stumpf，M.P.H.（2012）。《信息几何与序贯蒙特卡罗》，arXiv电子版，arXiv:1212.0764。 [52] Snoek，J.、Larochelle，H.和Adams，R.P.（2012）。“机器学习算法的实用贝叶斯优化”，《神经信息处理系统进展》，2951-2959。 [53] South，L.F.、Pettitt，A.N.和Drovandi，C.C.（2019年）。“具有独立马尔可夫链蒙特卡罗建议的顺序蒙特卡罗采样器”，《贝叶斯分析》，14（3）：773-796。数字对象标识符：10.1214/18-BA1129谷歌学者：查找链接MathSciNet:MR3960770 zbMATH:1421.62059·Zbl 1421.62059号 ·doi:10.1214/18-BA1129 [54] Vats，D.、Flegal，J.M.和Jones，G.L.（2015）。《马尔可夫链蒙特卡罗的多元输出分析》，arXiv预印本arXiv:1512.07713。数学科学网：MR3653667 [55] Whiteley，N.、Lee，A.和Heine，K.（2016年）。“关于交互作用在顺序蒙特卡罗算法中的作用。”伯努利, 22(1): 494-529. 数字对象标识符：10.3150/14-BEJ666谷歌学者：查找链接MathSciNet:MR3449791 zbMATH:1388.65009 Euclid:Euclid.bj/1443620858·Zbl 1388.65009号 ·doi:10.3150/14-BEJ666 [56] Zhou，Y.、Johansen，A.M.和Aston，J.A.（2016）。“走向自动模型比较：一种自适应序贯蒙特卡罗方法”，《计算与图形统计杂志》，25（3）：701-726。数字对象标识符：10.1080/10618600.2015.060885谷歌学者：查找链接数学科学网：MR3533634·doi:10.1080/10618600.2015.1060885 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。