アンサンブルスライスサンプリング:相関および多モード分布に対する並列,ブラックボックスおよび無勾配推論【JST・京大機械翻訳】

Karamanis Minas; Beutler Florian

プレプリント

J-GLOBAL ID：202202212454615354 整理番号：21P0024465

アンサンブルスライスサンプリング:相関および多モード分布に対する並列,ブラックボックスおよび無勾配推論【JST・京大機械翻訳】

Ensemble Slice Sampling: Parallel, black-box and gradient-free inference for correlated & multimodal distributions

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年02月14日プレプリントサーバーでの情報更新日： 2021年10月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

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】

, , , , , , , , ,
, 【Automatic Indexing@JST】

数値計算

, , ,

前のページに戻る