論文の概要: Antithetic Riemannian Manifold And Quantum-Inspired Hamiltonian Monte Carlo

• arxiv url: http://arxiv.org/abs/2107.02070v1
• Date: Mon, 5 Jul 2021 15:03:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-06 17:27:46.309922
• Title: Antithetic Riemannian Manifold And Quantum-Inspired Hamiltonian Monte Carlo
• Title（参考訳）: 反合成リーマン多様体と量子誘起ハミルトニアンモンテカルロ
• Authors: Wilson Tsakane Mongwe, Rendani Mbuvha, Tshilidzi Marwala
• Abstract要約: 我々は、ハミルトニアンモンテカルロと量子インスパイアされたハミルトニアンモンテカルロのアンチセティックバージョンである新しいアルゴリズムを提案する。 ハミルトニアン・モンテカルロにアンチセティックサンプリングを加えると、バニラ・ハミルトニアン・モンテカルロよりも高い有効試料率が得られることが示されている。 この分析は,実世界の金融市場データを用いたジャンプ拡散プロセス,およびベイジアンロジスティック回帰を用いた実世界のベンチマーク分類タスクで実施される。
• 参考スコア（独自算出の注目度）: 3.686886131767452
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Markov Chain Monte Carlo inference of target posterior distributions in machine learning is predominately conducted via Hamiltonian Monte Carlo and its variants. This is due to Hamiltonian Monte Carlo based samplers ability to suppress random-walk behaviour. As with other Markov Chain Monte Carlo methods, Hamiltonian Monte Carlo produces auto-correlated samples which results in high variance in the estimators, and low effective sample size rates in the generated samples. Adding antithetic sampling to Hamiltonian Monte Carlo has been previously shown to produce higher effective sample rates compared to vanilla Hamiltonian Monte Carlo. In this paper, we present new algorithms which are antithetic versions of Riemannian Manifold Hamiltonian Monte Carlo and Quantum-Inspired Hamiltonian Monte Carlo. The Riemannian Manifold Hamiltonian Monte Carlo algorithm improves on Hamiltonian Monte Carlo by taking into account the local geometry of the target, which is beneficial for target densities that may exhibit strong correlations in the parameters. Quantum-Inspired Hamiltonian Monte Carlo is based on quantum particles that can have random mass. Quantum-Inspired Hamiltonian Monte Carlo uses a random mass matrix which results in better sampling than Hamiltonian Monte Carlo on spiky and multi-modal distributions such as jump diffusion processes. The analysis is performed on jump diffusion process using real world financial market data, as well as on real world benchmark classification tasks using Bayesian logistic regression.
• Abstract（参考訳）: 機械学習におけるターゲット後方分布のマルコフ連鎖モンテカルロ推定は、ハミルトニアンモンテカルロとその変種によって優先的に行われる。 これは、ハミルトンのモンテカルロベースのサンプラーがランダムウォーク行動を抑制する能力のためである。 他のマルコフ連鎖モンテカルロ法と同様に、ハミルトニアンモンテカルロは自己相関的なサンプルを生成し、その結果、推定器のばらつきが高まり、生成したサンプルのサンプルサイズ率が低くなる。 ハミルトニアン・モンテカルロにアンチセティックサンプリングを加えると、バニラ・ハミルトニアン・モンテカルロよりも高い有効試料率が得られることが示されている。 本稿では,リーマン多様体ハミルトニアンモンテカルロおよび量子インスパイアされたハミルトニアンモンテカルロのアンチセティックバージョンである新しいアルゴリズムを提案する。 リーマン多様体 ハミルトニアン・モンテカルロアルゴリズムは、ターゲットの局所幾何学を考慮に入れ、パラメータに強い相関関係を示すようなターゲット密度に有益であるハミルトニアン・モンテカルロを改良する。 量子インスパイアされたハミルトニアンモンテカルロはランダムな質量を持つ量子粒子に基づいている。 量子インスパイアされたハミルトニアンモンテカルロはランダムな質量行列を使い、スピーキーおよびジャンプ拡散過程のようなマルチモーダル分布上のハミルトニアンモンテカルロよりも良いサンプリングをもたらす。 この分析は,実世界の金融市場データを用いたジャンプ拡散プロセス,およびベイジアンロジスティック回帰を用いた実世界のベンチマーク分類タスクで実施される。

関連論文リスト

• von Mises Quasi-Processes for Bayesian Circular Regression [57.88921637944379]
  円値ランダム関数上の表現的および解釈可能な分布の族を探索する。 結果の確率モデルは、統計物理学における連続スピンモデルと関係を持つ。 後続推論のために、高速マルコフ連鎖モンテカルロサンプリングに寄与するストラトノビッチのような拡張を導入する。
  論文  参考訳（メタデータ） (2024-06-19T01:57:21Z)
• Combining Normalizing Flows and Quasi-Monte Carlo [0.0]
  近年の機械学習の進歩はモンテカルロ法を改良するための新しい手法の開発に繋がった。 数値実験により,この組み合わせにより,従来のモンテカルロを用いて流れをサンプリングした場合よりも,分散度が著しく低い推定器が得られることを示した。
  論文  参考訳（メタデータ） (2024-01-11T14:17:06Z)
• Randomized Runge-Kutta-Nyström Methods for Unadjusted Hamiltonian and Kinetic Langevin Monte Carlo [0.0]
  非可逆マルコフ連鎖モンテカルロサンプリング器内のハミルトン流を近似するための5/2$-および7/2$-精度のランダム化ランゲ・クッタ・ニストロ法を導入する。 数値実験により,多種多様な高次元目標分布に対する未調整試料の高効率性を実証した。
  論文  参考訳（メタデータ） (2023-10-11T11:35:12Z)
• Stochastic automatic differentiation for Monte Carlo processes [1.1279808969568252]
  自動微分法(AD)のモンテカルロプロセスへの拡張について検討する。 ハミルトン的アプローチは、再重み付け手法の変数の変化と解釈できることを示す。
  論文  参考訳（メタデータ） (2023-07-28T08:59:01Z)
• Dilute neutron star matter from neural-network quantum states [58.720142291102135]
  低密度中性子物質はクーパー対の形成と超流動の開始によって特徴づけられる。 我々は、モンテカルロ変分法と再構成技術を組み合わせた隠れ核量子ネットワーク量子状態の表現性に乗じて、この密度構造をモデル化する。
  論文  参考訳（メタデータ） (2022-12-08T17:55:25Z)
• Low-variance estimation in the Plackett-Luce model via quasi-Monte Carlo sampling [58.14878401145309]
  PLモデルにおいて,より標本効率の高い予測値を生成するための新しい手法を開発した。 Amazon MusicのリアルなレコメンデーションデータとYahooの学習からランクへの挑戦を理論的にも実証的にも使用しています。
  論文  参考訳（メタデータ） (2022-05-12T11:15:47Z)
• An Introduction to Hamiltonian Monte Carlo Method for Sampling [26.555110725656963]
  Hamiltonian Monte Carlo (HMC) は、Gibs密度$pi(x)propto e-f(x)$からサンプリングするハミルトン力学に着想を得たアルゴリズムである。 理想化された HMC は$pi$ を保持し、$f$ が強く凸かつ滑らかなときにその収束を確立する。
  論文  参考訳（メタデータ） (2021-08-27T03:28:20Z)
• Deterministic Gibbs Sampling via Ordinary Differential Equations [77.42706423573573]
  本稿では,自律的ODEとツールを用いた決定論的測度保存ダイナミクスの一般構築について述べる。 我々は、ハイブリッドモンテカルロや他の決定論的サンプルが、我々の理論の特別な場合としてどのように従うかを示す。
  論文  参考訳（メタデータ） (2021-06-18T15:36:09Z)
• Annealed Flow Transport Monte Carlo [91.20263039913912]
  Annealed Flow Transport (AFT) built on Annealed Importance Smpling (AIS) and Sequential Monte Carlo (SMC) AFTは、連続したターゲットに向かって粒子をプッシュするために順次学習されるNFに依存します。 AFTの人口バージョンの連続時間スケーリング限界は、Feynman--Kac測度によって与えられることを示した。
  論文  参考訳（メタデータ） (2021-02-15T12:05:56Z)
• Sampling in Combinatorial Spaces with SurVAE Flow Augmented MCMC [83.48593305367523]
  ハイブリッドモンテカルロ(Hybrid Monte Carlo)は、複素連続分布からサンプリングする強力なマルコフ連鎖モンテカルロ法である。 本稿では,SurVAEフローを用いたモンテカルロ法の拡張に基づく新しい手法を提案する。 本稿では,統計学,計算物理学,機械学習など,様々な分野におけるアルゴリズムの有効性を実証し,代替アルゴリズムと比較した改良点を考察する。
  論文  参考訳（メタデータ） (2021-02-04T02:21:08Z)
• Generative Neural Samplers for the Quantum Heisenberg Chain [0.3655021726150368]
  生成神経サンプラーは、統計物理学や量子場理論における問題に対するモンテカルロ法を補完するアプローチを提供する。 本研究は、実世界の低次元スピン系の可観測性を推定する生成神経サンプラーの能力をテストする。
  論文  参考訳（メタデータ） (2020-12-18T14:28:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。