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。
スライスサンプリングは,最小ハンドチューニングによる目標分布の特性に適応する強力なMarkov連鎖モンテカルロアルゴリズムとして浮上した。しかし,Sliceサンプリングの性能は,ユーザ指定初期長さスケール超パラメータに非常に敏感であり,その方法は,一般的にはスケールがかかり,強く相関する分布を有する。本論文では,初期長さスケールを適応的に調整し,パラメータ間の強い相関を効率的に処理するために,並列ウォーカーのアンサンブルを利用して,そのような困難を迂回する新しいクラスのアルゴリズムであるEnsemble Slice Sampling(ESS)を導入した。これらのアフィン不変アルゴリズムは,構築に自明であり,ハンドチューニングを必要とせず,並列計算環境において容易に実装できる。経験的テストは,Ensemble Sliceサンプリングが,従来のMCMC法に比べて,広範囲の高度相関ターゲット分布に対して,効率の1桁以上改善できることを示した。強いマルチモーダルターゲット分布の場合,Ensemble Sliceサンプリングは高次元でも効率的にサンプリングできる。この方法の並列,ブラックボックスおよび勾配フリーの性質は,広範囲の計算上高価で非微分可能なモデルにより支配される物理学,宇宙物理学および宇宙論のような科学分野での使用に理想的であると主張する。【JST・京大機械翻訳】