一种自适应Metropolis算法

@第{Haario 2001AnAM条,title={自适应大都会算法},作者={Heikki Haario和Eero Saksman和Johanna Tamminen},日志={伯努利},年份={2001},体积={7},页面={223-242},网址={https://api.semanticscholar.org/CorpusID:14248436}}
一种自适应Metropolis(AM)算法,其中使用迄今为止累积的全部信息沿过程更新高斯提案分布,从而确定其具有正确的遍历特性。

本文中的数字

一些自适应MCMC算法的遍历性

证明了在一组可验证的条件下,由所谓的自适应MCMC采样器的输出计算出的遍历平均值收敛到所需值,并且在更严格的假设下,甚至可以满足中心极限定理。

截断分布的自适应后向耦合Metropolis算法

考虑了一种新版本的独立Metropolis算法,将自适应建议与完美采样相结合,从而从目标分布中获得完美样本,并通过自适应抑制了不希望出现的正自相关。

自适应粘性广义大都市

介绍了一类新的自适应Metropolis算法,称为自适应粘性算法,用于基于多重方案的目标概率分布的高效通用仿真,以及由自适应非参数分布生成的不同建议。

关于适应性大都市——黑斯廷斯方法

该方法通过标准吉布斯采样理论进行了验证,并推广了几个先前提出的算法,特别适用于Gibbs更新的Metropolis-with-in-Gibbs,并讨论了这些方法在这方面的应用。

自适应和交互马尔可夫链蒙特卡罗算法的收敛性

开发了一个通用的方法论和理论框架,以在马尔可夫链蒙特卡罗算法中建立边际分布的收敛性和强大数定律。

自适应独立大都市——黑斯廷斯

一种自适应独立的Metropolis-黑斯廷斯算法,能够学习链中除当前位置以外的所有先前建议,这在需要来自相同分布的大量样本以及CPU密集型应用程序时尤其有用。

具有独立提案分布的Metropolis-Hastings算法的自适应版本

本文给出了Gasemyr等人在特殊情况下引入的算法自适应独立链(AIC)的一般形式,并证明了在一定条件下,该算法在有限次迭代中从∏中产生精确样本,因此收敛到II。

具有截断漂移的城域调整Langevin算法的自适应版本

本文将为随机行走大都会算法开发的一些自适应方案扩展到更通用版本的大都会-黑斯廷斯(MH)算法,特别是到

随机步行大都会的自适应提案分配

本文提出了一个综合测试程序和系统性能标准,用于比较自适应建议算法与更传统的Metropolis算法,并且AP算法的平稳分布似乎略有偏差。

随机漫步都市算法的层次模型与调整

获得了高斯建议分布随机游走Metropolis算法的弱收敛性和最优尺度结果,并引入了局部最优调优的概念,即依赖于马尔可夫链当前位置的调优。
...

随机行走Metropolis算法的自适应建议分布

尽管AP算法的平稳分布略有偏差,但它似乎为解决自然科学中非线性回归问题中常见的低维问题提供了一种有效的工具。

随机步行大都会的自适应提案分配

本文提出了一个综合测试程序和系统性能标准,用于比较自适应建议算法与更传统的Metropolis算法,并且AP算法的平稳分布似乎略有偏差。

随机行走Metropolis算法的弱收敛性和最优尺度

主要结果是一个弱收敛结果,当建议方差根据n适当缩放时,目标密度序列的维数n收敛到`,并且由每个马尔可夫链的第一个分量形成的随机过程序列收敛到适当的极限Langevin扩散过程。

用于探索后验分布的马尔可夫链

本文概述了马尔可夫链方法的一些基本方法和策略,并讨论了一些相关的理论和实践问题。

自适应自再生马尔可夫链蒙特卡罗

构造给定平稳分布的马尔可夫链的一种新方法是提出。该方法基于与其他一些静止点构造辅助链分配和

基于再生的自适应马尔可夫链蒙特卡罗

基于马尔可夫链再生的概念,描述了一个框架,该框架允许无限频繁地进行自适应,但不会干扰链的平稳分布或样本路径平均值的一致性。

马尔可夫链蒙特卡罗抽样方法及其应用

概述Metropolis等人(1953年)介绍的抽样方法的概述,以及相关理论、应用技术和方法的阐述

模拟回火:一种新的蒙特卡罗方法

一种新的全局优化方法(模拟回火),用于有效模拟有限非零温度下具有粗糙自由能景观的系统,其中温度成为动态变量,系统始终保持平衡。

关于马尔可夫链蒙特卡罗加速

这项工作的目标是形式化并支持两种不同的自适应策略,这两种策略通常通过重采样和转换核的自适应切换来加速MCMC算法的收敛。

马尔可夫链蒙特卡罗法在实践中的应用

马尔可夫链蒙特卡罗实现结果总结与讨论医疗监测介绍建模医疗监测计算后验分布预测模型批评说明性应用讨论非线性层次模型MCMC。