×
格里戈里奥斯明加斯；莱昂纳多·波托洛；克里斯托斯·萨瓦斯·布加尼斯

用于在状态空间模型中加速推理的粒子MCMC算法和体系结构。 （英语） Zbl 1404.68030号

国际J近似推理 83, 413-433 (2017).
摘要：粒子马尔可夫链蒙特卡罗（pMCMC）是一种随机算法，用于在概率分布密度不允许闭合形式表达式时，从概率分布中生成样本。pMCMC最常用于状态空间模型（SSM）中的贝叶斯后验分布抽样，这是一类用于许多科学应用的概率模型。然而，在处理具有大量数据的复杂SSM时，由于pMCMC的计算成本很高，并且在后验数据表现出多模态时性能较差，因此这项任务是禁止的。本文旨在通过以下两个方面解决这两个问题：1）提出一种新的pMCMC算法（称为ppMCMC），该算法使用多个马尔可夫链（而不是pMCMC使用的马尔可夫链条）来提高多模态后验的采样效率；2）引入定制的并行硬件体系结构，这是为pMCMC和ppMCMC量身定制的。这些体系结构是在现场可编程门阵列（FPGA）上实现的，FPGA是一种具有大规模并行能力的硬件加速器。新算法和两种FPGA架构通过遗传学的大规模案例研究进行了评估。结果表明，当使用顺序CPU实现时，ppMCMC的采样效率比pMCMC高1.96倍。pMCMC的FPGA架构比pMCMC最先进的并行CPU和GPU实现快12.1倍和10.1倍，能效高达53倍；ppMCMC的FPGA架构将这些加速比分别提高到34.9倍和41.8倍，并且能效提高了173倍，使得以前难以处理的基于SSM的数据分析变得唾手可得。

引用于4文件

MSC公司：

68平方米 计算机系统环境下的性能评估、排队和调度
2015年1月62日 贝叶斯推断
65二氧化碳 蒙特卡罗方法
2007年7月68日 计算机体系结构的数学问题

关键词：

马尔科夫蒙特卡洛；粒子过滤器；现场可编程门阵列；贝叶斯推断；硬件加速

软件：

利比亚国际银行；WGBS套件
PDF格式BibTeX公司 XML格式引用
\textit{G.Mingas}等人，《国际近似推理》83，413--433（2017；Zbl 1404.68030）
全文： 内政部

参考文献：

[1] 布鲁克斯，S。；盖尔曼，A。；琼斯，G.L。；Meng，X.-L.，《马尔可夫链蒙特卡罗手册》（2011），查普曼和霍尔/CRC·Zbl 1218.65001号
[2] 吉尔克斯，W。；Spiegelhalter，D.，《马尔可夫链蒙特卡罗实践》（1996），查普曼和霍尔/CRC·Zbl 0832.00018号
[3] Andrieu，C。；Doucet，A。；Holenstein，R.，《粒子马尔可夫链蒙特卡罗方法》，J.R.Stat.Soc.，Ser。B、 统计方法。，72, 3, 269-342 (2010) ·Zbl 1411.65020号
[4] J.欧文。；威尔金森，D。；Gillespie，C.，具有难以处理的可能性的马尔可夫过程的可缩放推理，统计计算。，25, 1, 145-156 (2015) ·Zbl 1331.62065号
[5] Everitt，R.G.，潜在马尔可夫随机场和社交网络的贝叶斯参数估计，J.Compute。图表。统计，21，4，940-960（2012）
[6] Andrieu，C。；Roberts，G.O.，《有效蒙特卡罗计算的伪边缘方法》，《Ann.Stat.》，第37、2、697-725页（2009年）·兹比尔1185.60083
[7] Doucet，A。；Johansen，A.M.，《粒子滤波与平滑教程：十五年后》（《非线性滤波手册》（2009）），656-704·Zbl 1513.60043号
[8] 彼得斯，G.W。；Hosack，G.R。；Hayes，K.R.，通过自适应粒子马尔可夫链蒙特卡罗（AdPMCMC）选择生态非线性状态空间模型
[9] Nevat，我。；彼得斯，G.W。；Doucet，A。；Yuan，J.，基于自适应粒子MCMC的中继网络信道跟踪
[10] Murray，L.，使用LibBi，J.Stat.Softw.对高性能硬件进行贝叶斯状态空间建模。，67, 1, 1-36 (2015)
[11] 多德，M。；琼斯，E。；Parslow，J.，《海洋生物地球化学模型数据同化的统计概述和展望》，环境计量学，25，4，203-213（2014）
[12] 亨德比，G。；卡尔森，R。；Gustafsson，F.，《粒子滤波：对速度的需求》，EURASIP J.高级信号处理。，2010, 1, 181403 (2010) ·Zbl 1204.68263号
[13] Rackham，O.J.L.，WGBSSuite:模拟全基因组亚硫酸氢盐测序数据和基准差异DNA甲基化分析工具，生物信息学，31，14，2371-2373（2016）
[14] 夏洛克，C。；Thiery，A.H。；Roberts，G.O。；Rosenthal，J.S.，《伪边缘随机行走大都会算法的效率》，《Ann.Stat.》，43，1，238-275（2015）·Zbl 1326.65015号
[15] 托德曼，T.J。；Constantinides，G.A。；Wilton，S.J.E。；曼瑟，O。；卢克，W。；Cheung，P.Y.K.，可重构计算：体系结构和设计方法，IEE Proc。，计算。数字。技术，193-207（2005）
[16] Betkaoui，B。；托马斯·D·。；Luk，W.，《FPGA和GPU用于高生产率计算的性能和能效比较》，（现场可编程技术国际会议，现场可编程科技国际会议，FPT，2010（2010）），94-101
[17] 丛，J。；刘，B。；Neuendorffer，S。；Noguera，J。；Vissers，K。；Zhang，《FPGA的高级综合：从原型到部署》，IEEE Trans。计算-辅助设计。集成。电路系统。，30, 4, 473-491 (2011)
[18] Niccolai，J.是英特尔第一款具有性能提升FPGA的处理器，将于明年初上市（2015年）
[19] Henriksen，S。；Wills，A.G。；肖恩，T.B。；Ninness，B.，在GPU上并行实现粒子MCMC方法，（第16届IFAC系统识别研讨会（2012）），1143-1148
[20] 刘，S。；Mingas，G。；Bouganis，C.-S.，FPGA上粒子过滤器的并行重采样，（现场可编程技术国际会议，现场可编程科技国际会议，FPT，2014（2014）），191-198
[21] Doucet，A。；皮特，M.K。；Deligiannidis，G。；Kohn，R.，《使用无偏似然估计量时马尔可夫链蒙特卡罗的有效实现》，生物统计学（2016）·Zbl 1452.62055号
[22] H街。；马蒂诺，S。；肖邦，N.，《利用集成嵌套拉普拉斯近似对潜在高斯模型进行近似贝叶斯推断》，J.R.Stat.Soc.，Ser。B、 统计方法。，71219-392（2009年）·Zbl 1248.62156号
[23] Jasra，A。；斯蒂芬斯，D.A。；Holmes，C.C.，《基于群体的静态推理模拟》，《统计计算》。，263-279（2007年）
[24] Jensen，J.，《数学学报》。，30, 1, 175-193 (1906) ·JFM 37.0422.02号
[25] Earl，D.J。；Deem，M.W.，《平行回火：理论、应用和新观点》，《物理学》。化学。化学。物理。，7, 3910-3916 (2005)
[26] 苏亚迪，A。；科里根，E.C。；Constantinides，G.A.，嵌入式优化的快速FPGA原型工具箱，（欧洲控制会议，欧洲控制大会，ECC，2015（2015），IEEE），2589-2594
[27] Kass，R.E。；卡林，B.P。；盖尔曼，A。；Neal，R.M.，《实践中的马尔可夫链蒙特卡罗：圆桌讨论》，《美国统计》，52，2，93-100（1998）
[28] 蒂比特，M。；哈兰，M。；Liechty，J.，平行多元切片采样，统计计算。，21, 3, 415-430 (2011) ·Zbl 1253.60082号
[29] Kullback，S。；Leibler，R.A.，《信息与充分性》，《数学年鉴》。《统计》，22，1，79-86（1951）·Zbl 0042.38403号
[30] 锡林克斯功率估计器
[32] Nvidia C2050规格
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。