我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
我们为嵌入式隐马尔可夫模型(HMM)马尔可夫链蒙特卡罗(MCMC)方法提出了一种选择池状态的新方案。这种新方案允许嵌入式HMM方法用于状态空间模型中的高效采样,其中状态可以是高维的。以前,嵌入式HMM方法仅适用于低维状态空间模型。我们证明,使用我们提出的池状态选择方案,嵌入式HMM采样器的性能与使用粒子吉布斯(Particle Gibbs)与向后采样(Backward Sampling,PGBS)和Metropolis更新相结合的微调采样器类似。通过在状态序列的当前值附近局部选择池状态,可以缩放到更高的维度。提出的池状态选择方案还允许嵌入式HMM采样器的每次迭代在池状态数量上采用线性时间,而不是在原始嵌入式HMM取样器中采用二次时间。
亚历山大·谢斯托帕洛夫。 拉德福德·M·尼尔。 “使用嵌入式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 (3) 797 - 822, 2018年9月。 https://doi.org/10.1214/17-BA1077