障害のない並列MCMC【JST・京大機械翻訳】

de Souza Daniel Augusto; Mesquita Diego; Kaski Samuel; Acerbi Luigi

プレプリント

J-GLOBAL ID：202202213073781947 整理番号：22P0293766

障害のない並列MCMC【JST・京大機械翻訳】

Parallel MCMC Without Embarrassing Failures

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 (4件)： , , ,
資料名：
発行年： 2022年02月22日プレプリントサーバーでの情報更新日： 2022年03月29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)

並列Markov連鎖モンテカルロ(MCMC)は,2段階手法を用いることにより,大規模データセットへのBayes推定をスケールする並列計算を利用する。第1に,MCMCは,データ分割で定義された(サブ)後部で並列に実行される。次に,サーバは局所結果を結合した。効率的ではあるが,このフレームワークは,副次サンプリングの品質に非常に敏感である。低密度領域の欠測モードや誤表示のような共通サンプリング問題は,組合せ相で補正され,破滅的故障につながるように増幅される。本研究では,この問題を緩和するための新しい組合せ戦略を提案した。著者らの戦略,並列アクティブ推論(PAI)は,Gaussプロセス(GP)代理モデリングと能動学習を活用する。GPをサブ後部に当てはめた後,PAI(i)は,欠落モードをカバーするためにGP代理間の情報を共有する。および(ii)サブ後方近似を個々に精製するためにアクティブサンプリングを使用する。重い尾とマルチモーダル後部およびコンピュータ神経科学への実世界アプリケーションを含む,挑戦的なベンチマークにおけるPAIを検証した。経験的結果は,PAIが,以前の方法が,小さな通信オーバヘッドで破滅的に失敗するのを示している。【JST・京大機械翻訳】

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

分子・遺伝情報処理 , 情報処理一般 , 数値計算

前のページに戻る