• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistics and computing >Irreversible samplers from jump and continuous Markov processes
【24h】

Irreversible samplers from jump and continuous Markov processes

机译：跳跃和连续马尔可夫过程的不可逆采样器

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

In this paper, we propose irreversible versions of the Metropolis-Hastings (MH) and Metropolis-adjusted Langevin algorithm (MALA) with a main focus on the latter. For the former, we show how one can simply switch between different proposal and acceptance distributions upon rejection to obtain an irreversible jump sampler (I-Jump). The resulting algorithm has a simple implementation akin to MH, but with the demonstrated benefits of irreversibility. We then show how the previously proposed MALA method can also be extended to exploit irreversible stochastic dynamics as proposal distributions in the I-Jump sampler. Our experiments explore how irreversibility can increase the efficiency of the samplers in different situations.
机译：在本文中，我们提出了Metropolis-Hastings（MH）和Metropolis-adjusted Langevin算法（MALA）的不可逆版本，主要针对后者。对于前者，我们展示了如何在拒绝时可以简单地在不同的提案分配和接受分配之间切换，以获得不可逆的跳跃采样器（I-Jump）。生成的算法具有类似于MH的简单实现方式，但具有不可逆性的优势。然后，我们说明如何将先前提出的MALA方法也扩展为利用不可逆的随机动力学作为I-Jump采样器中的提议分布。我们的实验探索了不可逆性如何在不同情况下提高采样器的效率。

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