• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistics and computing >An adaptive sequential Monte Carlo method for approximate Bayesian computation
【24h】

An adaptive sequential Monte Carlo method for approximate Bayesian computation

机译：自适应顺序蒙特卡罗方法用于近似贝叶斯计算

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Approximate Bayesian computation (ABC) is a popular approach to address inference problems where the likelihood function is intractable, or expensive to calculate. To improve over Markov chain Monte Carlo (MCMC) im-plementations of ABC, the use of sequential Monte Carlo (SMC) methods has recently been suggested. Most effective SMC algorithms that are currently available for ABC have a computational complexity that is quadratic in the number of Monte Carlo samples (Beaumont et al., Biometrika 86:983-990, 2009; Peters et al., Technical report, 2008; Toni et al., J. Roy. Soc. Interface 6:187-202,2009) and require the care-ful choice of simulation parameters. In this article an adap-tive SMC algorithm is proposed which admits a computa-tional complexity that is linear in the number of samples and adaptively determines the simulation parameters. We demonstrate our algorithm on a toy example and on a birth-death-mutation model arising in epidemiology.
机译：近似贝叶斯计算（ABC）是一种流行的方法，用于解决似然函数难以计算或计算昂贵的推理问题。为了改善ABC的马尔可夫链蒙特卡洛（MCMC）的实现，最近已建议使用顺序蒙特卡洛（SMC）方法。当前可用于ABC的最有效的SMC算法的计算复杂度在蒙特卡洛样本的数量上是二次的（Beaumont等人，Biometrika 86：983-990，2009； Peters等人，技术报告，2008； Toni等人，J.Roy.Soc.Interface 6：187-202，2009），并且需要仔细选择模拟参数。在本文中，提出了一种自适应SMC算法，该算法允许计算复杂度在样本数量上是线性的，并自适应地确定仿真参数。我们在一个玩具实例和一种流行病学中的生死突变模型上演示了我们的算法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号