×

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

按年份列出的引文