×

限制域上可伸缩蒙特卡罗的分段确定性马尔可夫过程。 (英语) Zbl 1463.62215号

小结:分段确定性蒙特卡罗算法能够从后验分布进行模拟,同时只需要在每次迭代时访问数据的子样本。我们将展示如何在参数位于受限域的设置中实现它们。

MSC公司:

62J12型 广义线性模型(逻辑模型)
2005年6月2日 马尔可夫过程:估计;隐马尔可夫模型
2015年1月62日 贝叶斯推断
65二氧化碳 蒙特卡罗方法
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] 艾伯特·J·H。;Chib,S.,二进制和多光子响应数据的贝叶斯分析,J.Amer。统计师。协会,88,422,669-679,(1993)·Zbl 0774.62031号
[2] Bardenet,R。;Doucet,A。;Holmes,C.,《关于高数据的马尔可夫链蒙特卡罗方法》,J.Mach。学习。第18、18、1-43号决议(2017年)·Zbl 1433.68394号
[3] 南卡罗来纳州贝拉维亚。;Macconi,M。;Morini,B.,具有退化解的非负最小二乘问题的内点类牛顿方法,Numer。线性代数应用。,13, 10, 825-846, (2006) ·兹比尔1174.65414
[4] 比尔肯斯,J。;Duncan,A.,《之字形过程的极限定理》,高级应用。概率。,49, 3, (2017) ·Zbl 1433.65008号
[5] Bierkens,J.、Fearnhead,P.、Roberts,G.,2016年。大数据贝叶斯分析的Zig-Zag过程和超高效采样。arXiv预印arXiv:1607.03188;Bierkens,J.、Fearnhead,P.、Roberts,G.,2016年。大数据贝叶斯分析的Zig-Zag过程和超高效采样。arXiv预打印arXiv:1607.03188·Zbl 1417.65008号
[6] 比尔肯斯,J。;Roberts,G.,居里-维斯模型中提升大都市黑斯廷斯的分段确定性标度极限,Ann.Appl。概率。,27, 2, 846-882, (2017) ·Zbl 1370.60039号
[7] Bouchard-Cóté,A.,Vollmer,S.J.,Doucet,A.,2015年。弹性粒子采样器:一种不可逆无排斥马尔可夫链蒙特卡罗方法。arXiv预打印arXiv:1510.02451;Bouchard-Cóté,A.,Vollmer,S.J.,Doucet,A.,2015年。弹性粒子采样器:一种不可逆无排斥马尔可夫链蒙特卡罗方法。arXiv预打印arXiv:1510.02451·Zbl 1398.60084号
[8] Davis,M.H.A.,《分段确定马尔可夫过程:一类非扩散随机模型》,J.R.Stat.Soc.Ser。B统计方法。,353-388, (1984) ·兹比尔0565.60070
[9] Diaconis,P。;霍姆斯,S。;Neal,R.,《不可逆马尔可夫链采样器的分析》,Ann.Appl。概率。,10, 3, 726-752, (2000) ·Zbl 1083.60516号
[10] Fahrmeir,L。;Tutz,G.,基于广义线性模型的多元统计建模,(2001),Springer,纽约·Zbl 0980.62052号
[11] Fearnhead,P.,Bierkens,J.,Pollock,M.,Roberts,G.O.,2016年。连续时间蒙特卡罗的分段确定性马尔可夫过程。arXiv预打印arXiv:1611.07873;Fearnhead,P.,Bierkens,J.,Pollock,M.,Roberts,G.O.,2016年。连续时间蒙特卡罗的分段确定性马尔可夫过程。arXiv预打印arXiv:1611.07873·Zbl 1403.62148号
[12] Galbraith,N.,关于事件-连续蒙特卡罗方法,(2016),牛津大学统计系,(硕士论文)
[13] Geweke,J.,不等式约束正态线性回归模型中的精确推断,J.Appl。计量经济学,1,2,127-141,(1986)
[14] 郭毅。;Berman,M.,《子集选择和l1调节的比较及其在光谱学中的应用》,化学计量学。因特尔。实验室系统。,118, 127-138, (2012)
[15] Kim,H。;Park,H.,通过交替非负约束最小二乘法进行微阵列数据分析的稀疏非负矩阵分解,生物信息学,23,12,1495-1502,(2007)
[16] 刘易斯,P.A。;Shedler,G.S.,通过细化模拟非均匀泊松过程,海军研究后勤。Q.,26,3,403-413,(1979)·Zbl 0497.60003号
[17] 西川,Y。;米歇尔,M。;W.克劳斯。;Hukushima,K.,海森堡模型的Event-chain算法,Phys。版本E,92,6,63306,(2015)
[18] Pakman,A.,Gilboa,D.,Carlson,D.,Paninski,L.,2016年。随机弹性粒子采样器。arXiv预打印arXiv:1609.00770;Pakman,A.,Gilboa,D.,Carlson,D.,Paninski,L.,2016年。随机弹性粒子采样器。arXiv预打印arXiv:1609.00770
[19] Pakman,A。;帕宁斯基,L.,截断多元高斯的精确哈密顿蒙特卡罗,计算机J。图表。统计人员。,23, 2, 518-542, (2014)
[20] 帕特森,S。;Teh,Y.W.,概率单纯形上的随机梯度黎曼-朗之万动力学,(神经信息处理系统进展,(2013),3102-3110
[21] 彼得斯,E.A.J.F。;De With,G.,一般电位的无拒绝蒙特卡罗采样,Phys。E版,85、2、1-5(2012年)
[22] Train,L.E.,《模拟离散选择方法》(2009),剑桥大学出版社·Zbl 1269.62073号
[23] Turitsyn,K.S。;Chertkov,M。;Vucelja,M.,《高效采样的不可逆蒙特卡罗算法》,Physica D,240,4-5,410-414,(2011)·Zbl 1216.82022号
[24] 图茨,G。;Gerthiss,J.,《评分量表作为预测因素——量表水平的老问题和一些答案》,《心理测量学》,79,3,357-376,(2014)·Zbl 1308.62151号
[25] Welling,M.,Teh,Y.W.,2011年。基于随机梯度Langevin动力学的贝叶斯学习。摘自:第28届国际机器学习会议记录(ICML-11),第681-688页。;Welling,M.,Teh,Y.W.,2011年。基于随机梯度Langevin动力学的贝叶斯学习。摘自:第28届国际机器学习会议记录(ICML-11),第681-688页。
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。