Ensemble sampler for infinite-dimensional inverse problems
Ensemble sampler for infinite-dimensional inverse problems
复制标题
DOI：
10.1007/s11222-021-10004-y
复制
发表时间：
2020-10
影响因子：
2.2
通讯作者：
Jeremie Coullon;R. Webber
中科院分区：
文献类型：
--
作者：
Jeremie Coullon;R. Webber
本文介绍了一种新的用于无穷维反问题的马尔可夫链蒙特卡罗（MCMC）采样器。我们的新采样器是基于仿射不变集成采样器，它使用相互作用的步行者，以适应目标分布的协方差结构。我们扩展这个合奏采样器的第一次无限维的函数空间，产生一个高效的无梯度MCMC算法。由于我们的新的集成采样器不需要梯度或后验协方差估计，它是简单的实现和广泛适用。
We introduce a new Markov chain Monte Carlo (MCMC) sampler for infinite-dimensional inverse problems. Our new sampler is based on the affine invariant ensemble sampler, which uses interacting walkers to adapt to the covariance structure of the target distribution. We extend this ensemble sampler for the first time to infinite-dimensional function spaces, yielding a highly efficient gradient-free MCMC algorithm. Because our new ensemble sampler does not require gradients or posterior covariance estimates, it is simple to implement and broadly applicable.