克里斯托弗·德罗万迪(Christopher C.Drovandi)。(2014) 具有多个CPU的伪边缘算法。 [工作文件](未发布)
伪边缘算法的出现提高了处理具有潜在变量的复杂贝叶斯模型的计算效率。这里,似然的无偏估计量取代了真实似然,以产生一种贝叶斯算法,该算法保持在模型参数的边缘空间上(包含潜在变量),目标分布仍然是正确的后验分布。相对于模型参数和潜在变量的联合空间,可以在边际空间上建立非常有效的建议分布。因此,伪边缘算法往往具有更好的混合特性。然而,为了使伪边缘方法表现良好,必须相当精确地估计可能性。在复杂的应用程序中,这可能很难实现。在本文中,我们建议利用多个中央处理单元(CPU),这些中央处理单元在大多数标准桌面计算机上都很容易使用。这里,可能性是在多个CPU上独立估计的,而可能性的最终估计值是从多个CPU获得的估计值的平均值。估计值保持无偏,但可变性降低。我们比较并对比了两种不同的技术,这两种技术都允许实现这个想法,而这两种方法都需要很少的额外编程工作量。在随机波动率模型的模拟数据上证明了该思想优于标准方法。
影响和利益:
引文计数 每月从Scopus公司和科学网®引文数据库。
这些数据库包含来自可用出版物的不同子集和不同时间段的引文,因此每个数据库的引文数量通常不同。一些作品不在任何一个数据库中,并且没有显示计数。Scopus包括1996年以后发表的文章的引文,以及1980年以后的Web of Science®。
引用计数来自谷歌学者™索引服务可以在链接的Google Scholar™搜索中查看。
全文下载:
全文下载显示此作品文件的总次数(例如PDF格式)已从QUT ePrints下载,以及前365天的下载次数。如果一个作品有多个文件,则该计数包括所有文件的下载。
导出: 尾注|都柏林核心元数据集|BibTeX公司
仅仓库员工:项目控制页