抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
Markovジャンププロセス(MJP)は,様々な応用分野で広く用いられている連続時間確率過程である。MJPに対する推論は,Markov連鎖モンテカルロによって典型的に進行し,最先端は均一化ベースの補助変数Gibbsサンプラである。これはMJPパラメータが既知である状況に対して設計され,未知パラメータに対するBayes推定は,より大きなGibbsサンプラにそれを組み込むことによって典型的に行われる。経路および経路与えられたパラメータを与えたサンプリングパラメータのこの戦略は,貧弱なMarkov連鎖混合をもたらす。本研究では,この問題に取り組むための簡単でエレガントなアルゴリズムを提案した。このスキームは,連続時間設定に対する離散時間隠れMarkovモデルに対するMetropholis-Hastingsアプローチをもたらし,MJPにおけるパラメータおよび経路推論に対する完全かつクリーンなレシピをもたらした。著者らの実験では,Gibbsサンプリングよりも優れた性能を示し,他の一般的な手法,粒子MCMCも示す。また,このサンプラは,計算制約なしに動作する,ΔΣ理想のサンプラから幾何学的混合を継承することも示した。【JST・京大機械翻訳】