A Metropolis-class sampler for targets with non-convex support
A Metropolis-class sampler for targets with non-convex support
复制标题
针对具有非凸支持的目标的 Metropolis 级采样器
DOI：
10.1007/s11222-021-10044-4
复制
发表时间：
2021
影响因子：
2.2
通讯作者：
Moriarty J
中科院分区：
文献类型：
--
作者：
Moriarty J
我们的目标是改进的通用随机游走大都会算法的探索时，目标有非凸支持A Rd，通过重用的建议，否则将被拒绝。算法是Metropolis类的，在标准条件下链满足强大数定律和中心极限定理。理论和数值证据的改进性能相对于随机行走大都会。实施的问题进行了讨论和数值例子，包括应用到全球优化和罕见事件采样，提出。
We aim to improve upon the exploration of the general-purpose random walk Metropolis algorithm when the target has non-convex support A⊂Rd, by reusing proposals in Ac which would otherwise be rejected. The algorithm is Metropolis-class and under standard conditions the chain satisfies a strong law of large numbers and central limit theorem. Theoretical and numerical evidence of improved performance relative to random walk Metropolis are provided. Issues of implementation are discussed and numerical examples, including applications to global optimisation and rare event sampling, are presented.
登录
查看更多内容
DOI：
10.1214/19-aos1916
发表时间：
2018-12
期刊：
The Annals of Statistics
影响因子：
--
作者：
E. Pompe;C. Holmes;K. Latuszy'nski
通讯作者：
E. Pompe;C. Holmes;K. Latuszy'nski
跳模 MCMC 采样器
DOI：
--
发表时间：
2003
期刊：
影响因子：
--
作者：
C. Sminchisescu;M. Welling;Geoffrey E. Hinton
通讯作者：
Geoffrey E. Hinton
影响因子：
20.8
作者：
Galin L. Jones;Qian Qin
通讯作者：
Galin L. Jones;Qian Qin
DOI：
10.1016/j.patcog.2011.02.006
发表时间：
2007-03
期刊：
--
影响因子：
--
作者：
C. Sminchisescu;M. Welling
通讯作者：
C. Sminchisescu;M. Welling
多点都市方法及其在混合蒙特卡罗中的应用
影响因子：
4.1
作者：
Zhaohui S. Qin;Jun S. Liu
通讯作者：
Jun S. Liu