的一部分神经信息处理系统的进展32(NeurIPS 2019)
张汝琪、克里斯托弗·M·德萨
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。
在电子程序中更改姓名的请求将被接受,不会提出任何问题。然而,名称更改可能会导致书目跟踪问题。作者被要求仔细考虑这一点,并在要求在电子诉讼中更改姓名之前与合著者进行讨论。
使用“报告问题”链接请求更改名称。