×

兹马思-数学第一资源

马尔可夫链蒙特卡罗模拟的集合预处理。(英语) Zbl 1384.65004号
摘要:我们描述了并行Markov链montecarlo方法,该方法利用从相邻副本计算的局部协方差信息来传播路径集合。集体动力学的使用消除了乘性噪声并稳定了动力学,从而为解决高维各向异性采样问题提供了一种实用的方法。模型问题的数值实验表明,与各种替代方案相比,可以实现显著的潜在加速。

理学硕士:
65摄氏度 蒙特卡罗方法
65立方厘米 马尔可夫链的数值分析方法
60J22型 马尔可夫链的计算方法
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] 安德烈斯克里斯滕,J;福克斯,C;等,连续分布的通用抽样算法(t-walk),贝叶斯分析,5263-281,(2010)·Zbl 1330.62007
[2] 贝内特,C.H.:质量张量分子动力学。J、 计算机。物理。19(3) ,267-279(1975年)·Zbl 1252.62015
[3] 布拉比,N;范登艾因登,E,城市集成商的路径精确性和遍历性。纯应用程序。数学,63655-696,(2010)·Zbl 1214.60031号
[4] 布拉比,N;多涅夫,A;范登艾金登,E,自伴扩散的都市积分方案,多尺度模型。模拟,12781-831,(2014年)·Zbl 1315.65006
[5] 卡佩,O;桂林,A;马林,吉咪;罗伯特,CP,《人口蒙特卡罗》,J.Comput。国家统计局,13907-929,(2004年)
[6] 肖邦,N;列利弗,T;Stoltz,G,《贝叶斯推断的自由能方法:单变量高斯混合后验的有效探索》,Stat.Comput.,22897-916,(2012)·Zbl 1252.62015
[7] 克里斯滕森,OF;罗伯茨,走吧;Rosenthal,JS,local Metropolitans Hastings算法瞬态阶段的标度极限,J.R.Stat.Soc。爵士。B(Stat.Methodol.),第67253-268页,(2005年)·Zbl 1075.65012号
[8] Dalalyan,A.S.:从光滑和对数凹面密度近似取样的理论保证。J、 R.统计Soc。爵士。B(Stat.Methodol.)(2016年)。doi:10.1111/rssb.12183·Zbl 1411.62030
[9] 杜安,S;肯尼迪,公元前;彭德尔顿,北京;罗威,D,混合蒙特卡罗,物理。利特。B、 195216-222,(1987年)
[10] 阿肯色州邓肯;列利弗,T;Pavliotis,GA,《使用不可逆Langevin采样器减少方差》,J.Stat.Phys.,163,457-491,(2016年)·Zbl 1343.82036号
[11] Durmus,A.,Moulines,E.:通过未调整的Langevin算法进行的高维贝叶斯推理。https://hal.inria.fr/TELECOM-PARISTECH/hal-01304430v2(2016年)
[12] 麦基,福尔曼;霍格,DW;朗,D;主持人:MCMC锤子,出版。阿童木。Soc。Pac.,125306,(2013年)
[13] 吉尔克斯,WR;罗伯茨,走吧;George,EI,自适应方向采样,J.R.Stat.Soc。爵士。D(Stat.),43,179-189,(1994年)·Zbl 0806.62052
[14] 吉洛拉米,M;李曼流形-朗之万与哈密顿蒙特卡罗方法,中华民国统计学会。爵士。B(Stat.Methodol.),73,123-214,(2011年)·Zbl 1411.62071
[15] Girolami,M.,Calderhead,B.:RMHMC方案的Matlab代码。http://www.ucl.ac.uk/statistics/research/rmhmc,(2011b)。[在线;2015年12月1日访问]·Zbl 1189.65014
[16] 古德曼,J.:ACOR包。http://www.math.nyu.edu/faculty/goodman/software/,(2009年)。[在线;2015年12月1日访问]
[17] 古德曼,J;Sokal,AD,多重网格蒙特卡罗方法概念基础,物理。版次。D、 2035-2071年(1989年)
[18] 古德曼,J;Weare,J,仿射不变性系综采样器,Commun。申请。数学。计算机。科学,5,65-80,(2010年)·Zbl 1189.65014
[十九] 格林加德,P.:一个集中的大都市兰吉文采样器。硕士论文,纽约大学(2015年)·Zbl 0989.65004
[20] 哈里奥,H;萨斯曼,E;《适应性都市演算法》,贝努利,7223-242,(2001)·Zbl 0989.65004
[21] 毛工,M;Weare,J,改良扩散蒙特卡罗,公社。纯应用程序。数学,671995-2021,(2014)·Zbl 1314.65008号
[22] 哈默斯利,吉咪;加州大学摩顿,穷人蒙特卡罗,J.R.Stat.Soc。B、 第16、23-38页,(1954年)·Zbl 0055.36901
[23] 黄国瑞,黄马,S.-Y.,谢,S.-J.:加速高斯扩散。安。申请。可能吧。(3) ,897-913(1993年)·中银0780.60074
[24] 黄,C-R;黄马,S-Y;谢,S-J;等等,加速扩散,Ann。申请。Probab.,15,1433-1444,(2005年)·Zbl 1069.60065号
[25] Iba,Y,人口蒙特卡罗算法,Trans。日本。Soc。人工制品。国际期刊,16279-286,(2001)
[26] 艾森曼,AJ;《集邮混合物与多式联运密度》,J.Am。统计协会,83941-953,(1988年)
[27] 雅士拉,A;斯蒂芬斯,达州;霍姆斯,CC,基于群体的静态推理模拟,统计计算,17263-279,(2007)
[28] Leimkuhler,B.,Matthews,C.:分子动力学:用确定性和随机数值方法。跨学科应用数学。斯普林格国际出版公司,纽约(2015)·Zbl 1351.82001号
[29] Leimkuhler,B.,Matthews,C.,Stoltz,G.:从平衡态和非平衡态Langevin分子动力学计算平均值。伊玛J.编号。肛门。(2015年)。doi:10.1093/imanum/dru056·65017.ZB1344
[30] 刘杰:科学计算中的蒙特卡罗策略。斯普林格,纽约(2002)
[31] Ma,Y.A,Chen,T.,Fox,E.:随机梯度MCMC的完整配方。在:Cortes,C.,Lawrence,N.D.,Lee,D.D.,Sugiyama,M.,Garnett,R.(编辑),《神经信息处理系统进展》28,第2917-2925页。Curran Associates,Inc.,纽约(2015)·Zbl 1214.60031号
[32] 马丁,J;路易斯安那州威尔科克斯;伯斯泰德,C;高塔,O,大规模统计反演问题的随机牛顿MCMC方法及其在地震反演中的应用,暹罗科学院。计算机,34,a1460-a1487,(2012年)·Zbl 1250.65011
[33] Matthews,C.:集成准牛顿-python包。http://bitbucket.org/c_matthews/ensembleqn,(2016年)。[在线;访问日期:2016年7月1日]
[34] Milstein,G.,Tretyakov,M.:数学物理的随机数值。斯普林格,纽约(2004)·Zbl 1085.60004
[35] Monnahan,C.C.,Thorson,J.T.,Branch,T.A.:使用哈密顿蒙特卡罗法快速估计生态学中的贝叶斯模型。方法Ecol。进化。(2016年)。数字对象标识:10.1111/2041-210X.12681
[36] 尼尔,RM;等,使用哈密顿动力学的MCMC,Handb。马尔可夫链蒙特卡罗,2113-162,(2011)·Zbl 1229.65018
[37] Pavliotis,G.A.:随机过程与应用:扩散过程,福克-普朗克和朗之万方程。应用数学教材。斯普林格,纽约(2014)·Zbl 1318.60003
[38] 雷伊·贝尔,我;Spiliopoulos,K,《不可逆Langevin采样器和方差缩减:大偏差方法》,非线性,282081,(2015)·Zbl 1338.60086
[39] Roberts,G.O.,Rosenthal,J.S.:自适应马尔可夫链蒙特卡罗算法的耦合性和遍历性。J、 申请。问题。44(2) ,458-475(2007年)·Zbl 1137.62015
[40] 罗伯茨,走吧;崔迪,黎,高维Hastings与metropolis算法的几何收敛性与中心极限定理,生物计量学,83,95,(1996)·中银0888.60064
[41] 罗森布鲁斯,明尼苏达州;罗森布鲁斯,AW,分子链平均延伸的蒙特卡罗计算,化学杂志。物理学,23356-359,(1955年)
[42] 罗斯基,PJ;娃娃,JD;弗里德曼,HL,布朗动力学作为智能蒙特卡罗模拟,化学杂志。物理学,694628-4633,(1978)
[43] 孙文伟,袁英霞:最优化理论与方法:非线性规划。Springer优化及其应用。斯普林格,美国(2006)
[44] terbraak,C.J.F.:遗传算法差分进化的马尔可夫链蒙特卡罗版本:实参数空间的简单贝叶斯计算。统计计算。16(3) ,239-249(2006年)
[45] Welling,M.,Teh,Y.W.:随机梯度Langevin动力学的贝叶斯学习。第28届国际机器学习会议论文集(ICML-11),681-688(2011)
[46] Zhang,Y.,Sutton,C.A.:马尔可夫链蒙特卡罗的拟牛顿方法。作者:Shawe Taylor,J.,Zemel,R.S.,Bartlett,P.L.,Pereira,F.,Weinberger,K.Q.(编辑),《神经信息处理系统进展》24,第2393-2401页。纽约柯兰联合公司。http://papers.nips.cc/paper/4464-parasi-newton-methods-for-markovchain-monte-carlo.pdf(2011年)
此参考列表基于出版商或数字数学图书馆提供的信息。它的数学和标识符可能包含启发式匹配的数据项。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。