×
马可·巴列西奥;亚杰·贾斯拉

一类连续时间状态空间模型对数似然梯度的无偏估计。 （英语） Zbl 1489.65006号

蒙特卡罗方法应用。 28，编号1，61-83（2022）.
摘要：在本文中，我们考虑了一类连续时间状态空间模型的静态参数估计。我们的目标是获得对数似然（分数函数）梯度的无偏估计，这是一个无偏估计值，即使模型中涉及的随机过程必须及时离散。为了实现这一目标，我们应用双重随机方案这涉及到一种新的耦合条件粒子滤波器（CCPF）的第二级随机化。我们的新估计有助于促进基于梯度的估计算法的应用，例如随机梯度Langevin下降。我们在随机梯度下降（SGD）的背景下用几个数值例子说明了我们的方法，并与Rhee-Glynn估计进行了比较。

引用于1文件

MSC公司：

65二氧化碳 蒙特卡罗方法
91G60型 数值方法（包括蒙特卡罗方法）
35卢比60 随机偏微分方程的偏微分方程
60甲15 随机偏微分方程（随机分析方面）
60G35型 信号检测和滤波（随机过程方面）
93E11号机组 随机控制理论中的滤波

关键词：

记分函数;颗粒过滤器;耦合条件粒子滤波器
PDF格式BibTeX公司 XML格式引用
\textit{M.Ballesio}和\textit{A.Jasra}，蒙特卡罗方法应用。28，编号1，61--83（2022；Zbl 1489.65006）
全文： 内政部 arXiv公司

参考文献：

[1] M.Ballesio、A.Jasra、E.von Schwerin和R.Tempone，用于多级估计的Wasserstein耦合粒子滤波器，预印本（2020），https://arxiv.org/abs/2004.03981。
[2] A.Benveniste、M.Métiver和P.Priouret，自适应算法和随机近似，Springer，纽约，1990年·Zbl 0752.93073号
[3] A.Beskos、D.Crisan、A.Jasra、N.Kantas和H.Ruzayqat，一类连续时间状态空间模型的基于分数的参数估计，SIAM J.Sci。计算。43（2021年），A2555-A2580·兹伯利07378169
[4] A.Beskos、O.Papaspiliopoulos、G.O.Roberts和P.Fearnhead，离散观测扩散过程的精确和计算效率似然估计，J.R.Stat.Soc.Ser。B统计方法。68（2006），第333-382号·Zbl 1100.62079号
[5] A.Beskos和G.Roberts，《扩散的精确模拟》，Ann.Appl。普罗巴伯。15 (2005), 2422-2444. ·Zbl 1101.60060号
[6] J.Blanchet和F.Zhang，多元伊藤扩散的精确模拟，高级应用。普罗巴伯。52 (2020), 1003-1034. ·Zbl 07378191号
[7] F.Campillo和F.Le Gland，部分观测扩散的MLE：直接最大化与EM算法，随机过程。申请。33 (1989), 245-274. ·Zbl 0709.62076号
[8] O.Cappé，T.Ryden和E.Moulines，《隐马尔可夫模型中的推断》，Springer，纽约，2005年·兹比尔1080.62065
[9] N.Chopin和O.Papaspiliopoulos，《蒙特卡洛地震导论》，施普林格出版社，纽约，2020年·Zbl 1453.62005年
[10] P.Del Moral、A.Doucet和S.S.Singh，《Feynman-Kac formuale的反向粒子解释》，M2AN 44（2010），947-975·Zbl 1209.65009号
[11] P.Del Moral、A.Doucet和S.S.Singh，使用顺序蒙特卡罗进行正向平滑，预印本（2010年），https://arxiv.org/abs/1012.5390。
[12] P.Glynn和C.H.Rhee，马尔可夫链均衡期望的精确估计，J.Appl。普罗巴伯。51 (2014), 377-389. ·Zbl 1312.65003号
[13] J.Heng、A.Jasra和J.Houssineau，《关于一类部分观测扩散的得分函数的无偏估计》，预印本（2021），https://arxiv.org/abs/2105.04912。
[14] J.Heng，A.Jasra，K.J.H.Law和A.Tarakanov，《关于离散模型的无偏估计》，预印本（2021），https://arxiv.org/abs/1202.12230。
[15] P.Jacob、F.Lindsten和T.Schön，条件粒子滤波器耦合的平滑，J.Amer。统计师。协会115（2020），721-729·Zbl 1445.62245号
[16] A.Jasra、K.Kamatani、K.J.H.Law和Y.Zhou，多层粒子滤波器，SIAM J.Numer。分析。55 (2017), 3068-3096. ·Zbl 1477.62260号
[17] A.Jasra和F.Yu，耦合粒子滤波器的中心极限定理，高级应用。普罗巴伯。52 (2020), 942-1001. ·Zbl 07378190号
[18] A.Jasra，F.Yu和J.Heng，用于连续时间非线性滤波问题的多级粒子滤波器，统计计算。30 (2020), 1381-1402. ·Zbl 1452.62696号
[19] A.Lee、S.S.Singh和M.Vihola，耦合条件反向采样粒子滤波器，Ann.Statist。48 (2020), 3066-3089. ·Zbl 1469.65014号
[20] D.McLeish，去除蒙特卡罗估计量的通用方法，蒙特卡罗方法应用。17（2011），第4期，301-315·兹比尔1238.65004
[21] G.Poyiadjis、A.Doucet和S.S.Singh，状态空间模型中分数和观测信息矩阵的粒子近似及其在参数估计中的应用，Biometrika 9（2011），65-80·Zbl 1214.62093号
[22] C.H.Rhee和P.Glynn，SDE模型平方根收敛的无偏估计，Oper。第63号决议（2015年），1026-1043·Zbl 1347.65016号
[23] M.Vihola，无偏估计量和多级蒙特卡罗，Oper。第66号决议（2018年），第2期，448-462·Zbl 1457.62173号
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。