Fugu-MT 論文翻訳(概要): Long-Time Convergence and Propagation of Chaos for Nonlinear MCMC

論文の概要: Long-Time Convergence and Propagation of Chaos for Nonlinear MCMC

arxiv url: http://arxiv.org/abs/2202.05621v1
Date: Fri, 11 Feb 2022 14:01:53 GMT
ステータス: 処理完了
システム内更新日: 2022-02-14 14:51:20.036211
Title: Long-Time Convergence and Propagation of Chaos for Nonlinear MCMC
Title（参考訳）: 非線形mcmcにおけるカオスの長期収束と伝播
Authors: James Vuckovic
Abstract要約: マルコフ連鎖モンテカルロに対する非線形マルコフ連鎖のクラスに対する長時間収束とカオスの均一な強伝播について検討する。我々の手法は非常に単純であり、最近の線形マルコフカーネルの収縮推定とマルコフ理論と解析の基本的な技術を利用する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In this paper, we study the long-time convergence and uniform strong propagation of chaos for a class of nonlinear Markov chains for Markov chain Monte Carlo (MCMC). Our technique is quite simple, making use of recent contraction estimates for linear Markov kernels and basic techniques from Markov theory and analysis. Moreover, the same proof strategy applies to both the long-time convergence and propagation of chaos. We also show, via some experiments, that these nonlinear MCMC techniques are viable for use in real-world high-dimensional inference such as Bayesian neural networks.
Abstract（参考訳）: 本稿では,マルコフ連鎖モンテカルロ(MCMC)に対する非線形マルコフ連鎖のクラスに対するカオスの長期収束と一様強伝播について検討する。我々の手法は非常に単純であり、最近の線形マルコフカーネルの収縮推定とマルコフ理論と解析の基本的な技術を利用する。さらに、カオスの長期収束と伝播にも同様の証明戦略が適用される。また、いくつかの実験を通して、これらの非線形MCMC技術はベイズニューラルネットワークのような実世界の高次元の推論に有効であることを示す。

関連論文リスト

On Cyclical MCMC Sampling [13.002470980542707]
循環型MCMCはマルコフカーネルが高速な混合を行う場合の所望の確率分布に収束することを示す。また, 循環MCMCは, 目標に収束しない場合でも, 各モードの周囲の分布の局所的な形状をよく推定することを示した。
論文参考訳（メタデータ） (2024-03-01T02:20:44Z)
Learning Energy-Based Prior Model with Diffusion-Amortized MCMC [89.95629196907082]
非収束短距離MCMCを用いた事前及び後方サンプリングによる潜時空間EMM学習の一般的な実践は、さらなる進歩を妨げている。本稿では,MCMCサンプリングのための単純だが効果的な拡散型アモータイズ手法を導入し,それに基づく潜時空間EMMのための新しい学習アルゴリズムを開発した。
論文参考訳（メタデータ） (2023-10-05T00:23:34Z)
Efficient Bound of Lipschitz Constant for Convolutional Layers by Gram Iteration [122.51142131506639]
循環行列理論を用いて畳み込み層のスペクトルノルムに対して、精密で高速で微分可能な上界を導入する。提案手法は, 精度, 計算コスト, スケーラビリティの観点から, 他の最先端手法よりも優れていることを示す。これは畳み込みニューラルネットワークのリプシッツ正則化に非常に効果的であり、並行アプローチに対する競合的な結果である。
論文参考訳（メタデータ） (2023-05-25T15:32:21Z)
Comparison of Markov chains via weak Poincar\'e inequalities with application to pseudo-marginal MCMC [0.0]
マルコフ連鎖の平衡への有界収束に対する弱ポアンカーの不等式として知られるある種の機能的不等式の使用について検討する。本研究では, 独立メトロポリス・ハスティングス・サンプリング法や, 難易度を求める疑似マルジナル手法などの手法に対して, サブ幾何学的収束境界の導出を可能にすることを示す。
論文参考訳（メタデータ） (2021-12-10T15:36:30Z)
What Are Bayesian Neural Network Posteriors Really Like? [63.950151520585024]
ハミルトニアンモンテカルロは、標準およびディープアンサンブルよりも大きな性能向上を達成できることを示す。また,深部分布は標準SGLDとHMCに類似しており,標準変動推論に近いことが示された。
論文参考訳（メタデータ） (2021-04-29T15:38:46Z)
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)
Learning Fast Approximations of Sparse Nonlinear Regression [50.00693981886832]
本研究では,Threshold Learned Iterative Shrinkage Algorithming (NLISTA)を導入することでギャップを埋める。合成データを用いた実験は理論結果と相関し,その手法が最先端の手法より優れていることを示す。
論文参考訳（メタデータ） (2020-10-26T11:31:08Z)
MCMC-Interactive Variational Inference [56.58416764959414]
本稿では, MCMC-interactive variational inference (MIVI) を提案し, 後部を時間制約で推定する。 MIVIは変分推論とMCMCの相補的特性を利用して相互改善を促進する。実験により、MIVIは後部を正確に近似するだけでなく、勾配MCMCとギブスサンプリング遷移の設計を容易にすることが示された。
論文参考訳（メタデータ） (2020-10-02T17:43:20Z)
MetFlow: A New Efficient Method for Bridging the Gap between Markov Chain Monte Carlo and Variational Inference [20.312106392307406]
変分推論(VI)とマルコフ・チェイン・モンテカルロ(MCMC)を組み合わせた計算効率の良い新しい手法を提案する。このアプローチは汎用MCMCカーネルで使用することができるが,提案するMCMCアルゴリズムの新たなファミリである textitMetFlow に特に適している。
論文参考訳（メタデータ） (2020-02-27T16:50:30Z)
Nonlinear Markov Clustering by Minimum Curvilinear Sparse Similarity [0.0]
MCLの最初の非線形カーネル拡張であるMC-MCLを提案する。 MC-MCLは、従来のMCLやベースラインクラスタリングアルゴリズムを、異なる非線形データセットで克服する。
論文参考訳（メタデータ） (2019-12-27T16:07:23Z)

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。