• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistics and computing >Generalized parallel tempering on Bayesian inverse problems
【24h】

Generalized parallel tempering on Bayesian inverse problems

机译：贝叶斯逆问题的广义平行回火

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 the current work we present two generalizations of the Parallel Tempering algorithm in the context of discrete-timeMarkov chainMonteCarlo methods for Bayesian inverse problems. These generalizations use state-dependent swapping rates, inspired by the so-called continuous time Infinite Swapping algorithm presented in Plattner et al. (J Chem Phys 135(13):134111, 2011). We analyze the reversibility and ergodicity properties of our generalized PT algorithms. Numerical results on sampling from different target distributions, show that the proposed methods significantly improve sampling efficiency over more traditional sampling algorithms such as Random Walk Metropolis, preconditioned Crank-Nicolson, and (standard) Parallel Tempering.
机译：在当前工作中，我们在离散 - Timemarkov ChainMontecarlo方法的上下文中展示了并行回火算法的概括，用于贝叶斯逆问题。 这些概括使用状态相关的交换速率，灵感来自Platter等人的所谓连续时间无限交换算法。 （J Chem Phys 135（13）：134111,2011）。 我们分析了我们广义PT算法的可逆性和遍历性特性。 来自不同目标分布的抽样的数值结果，表明所提出的方法在更传统的采样算法中显着提高采样效率，如随机步行大都市，预先说明的曲柄 - 尼古尔森和（标准）并联回火。

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