ccpdmp公司 swMATH ID: 46855 软件作者: 马修·萨顿(Matthew Sutton);保罗·费恩黑德 描述: 基于凹凸PDMP的采样。最近,基于模拟分段确定马尔可夫过程(PDMP)的不可逆采样器在贝叶斯推理问题中显示出高效采样的潜力。然而,对于如何最好地实现这些算法,仍然缺乏指导。如果实现得不好,模拟事件时间的计算成本可能会超过不可逆动力学的统计效率。基于自适应抑制文献,我们提出了凹凸自适应细化方法来模拟分段确定性马尔可夫过程,我们称之为CC-PDMP。这种方法为构建边界提供了通用指南,该边界可用于促进基于PDMP的采样。该方法的一个关键优点是其可加结构-添加凹凸分解会产生凹凸分解。这使得边界的构造是模块化的,正如给定一类似然函数和一系列先验函数的凹凸分解一样,它们可以组合起来构造后验函数的边界。我们表明,构造边界很简单,并且可以实现高效的细化计算。我们的方法非常适合于局部PDMP仿真,其中可以利用目标的条件独立性来获得潜在的巨大计算增益。我们提供了一个R包,并与PDMP文献中现有的事件模拟方法进行了比较。本文的补充材料可在网上获得。 主页: https://arxiv.org/abs/2112.12897 源代码: https://github.com/matt-button/ccpdmp 依赖项: R(右) 关键词: 算法;贝叶斯方法;马尔可夫链蒙特卡罗(MCMC);分段确定马尔可夫过程 相关软件: 桥梁.jl;R(右);pi-MASS公司;类鸟群 引用于: 3文件 标准条款 1出版物描述软件,包括1出版物以zbMATH为单位 年份 基于PDMP的凹凸采样。 Zbl 07792627号马修·萨顿;保罗·费恩黑德 2023 全部的 前5名8位作者引用 1 乔里斯·比尔肯斯 1 保罗·费恩黑德 1 塞巴斯蒂亚诺·格拉齐 1 加雷思·罗伯茨。 1 莫里茨·绍尔 1 马修·威廉·萨顿 1 范德梅伦、弗兰克·亨利 1 乔戈斯·瓦斯德基斯 3篇连载文章中引用 1 应用概率年鉴 1 计算与图形统计杂志 1 统计与计算 在3个字段中引用 2 概率论与随机过程(60-XX) 2 统计学(62-XX) 1 数值分析(65-XX) 按年份列出的引文