• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistics and computing >Particle methods for maximum likelihood estimation in latent variable models
【24h】

Particle methods for maximum likelihood estimation in latent variable models

机译：潜在变量模型中最大似然估计的粒子方法

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

Standard methods for maximum likelihood parameter estimation in latent variable models rely on the Expectation-Maximization algorithm and its Monte Carlo variants. Our approach is different and motivated by similar considerations to simulated annealing; that is we build a sequence of artificial distributions whose support concentrates itself on the set of maximum likelihood estimates. We sample from these distributions using a sequential Monte Carlo approach. We demonstrate state-of-the-art performance for several applications of the proposed approach.
机译：潜在变量模型中最大似然参数估计的标准方法依赖于Expectation-Maximization算法及其Monte Carlo变体。我们的方法是不同的，并且出于与模拟退火类似的考虑。也就是说，我们建立了一系列人工分布，其支持集中在最大似然估计集上。我们使用顺序蒙特卡洛方法从这些分布中采样。我们展示了所提出方法的几种应用的最新性能。

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