保证收敛速度的Gibbs抽样的Poisson微批处理

的一部分神经信息处理系统的进展32（NeurIPS 2019）

作者

张汝琪、克里斯托弗·M·德萨

摘要

吉布斯抽样是一种马尔可夫链蒙特卡罗方法，常用于图形模型的学习和推理。微型批处理（Minibatching）在每次迭代时使用图的一个小随机子集）可以通过降低计算成本，帮助Gibbs采样扩展到大型图形模型。本文提出了一种新的辅助变量小批量Gibbs抽样方法{泊松-小批量Gibs}，它既能产生无偏样本，又能保证其收敛速度。与以前的小分批Gibbs算法相比，泊松-小分批吉布斯算法支持从连续状态空间进行快速采样，并避免了对离散状态空间进行Metropolis-Hastings校正的需要。我们证明了我们的方法在多个应用中的有效性，并与普通Gibbs方法和以前的小批量方法进行了比较。