論文の概要: Cyclical Kernel Adaptive Metropolis

• arxiv url: http://arxiv.org/abs/2206.14421v1
• Date: Wed, 29 Jun 2022 06:32:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-01 02:28:53.797373
• Title: Cyclical Kernel Adaptive Metropolis
• Title（参考訳）: 周期的カーネル適応型メトロポリス
• Authors: Jianan Canal Li, Yimeng Zeng, Wentao Guo
• Abstract要約: 本稿では,cKAM,cKAM,Cernel Adaptive Metropolisを提案する。 本稿では, 既存の適応メトロポリス型アルゴリズムは, 両モード分布において, 真の後続分布に収束しないことを示す。 我々は,cKAMが後部分布の探索を奨励し,サンプルが適応手法の高性能を維持しつつ,局所モードから脱出できることを実証した。
• 参考スコア（独自算出の注目度）: 0.5801044612920815
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose cKAM, cyclical Kernel Adaptive Metropolis, which incorporates a cyclical stepsize scheme to allow control for exploration and sampling. We show that on a crafted bimodal distribution, existing Adaptive Metropolis type algorithms would fail to converge to the true posterior distribution. We point out that this is because adaptive samplers estimates the local/global covariance structure using past history of the chain, which will lead to adaptive algorithms be trapped in a local mode. We demonstrate that cKAM encourages exploration of the posterior distribution and allows the sampler to escape from a local mode, while maintaining the high performance of adaptive methods.
• Abstract（参考訳）: 本稿では,cKAM,cKAM,Cernel Adaptive Metropolisを提案する。 人工双モード分布では,既存の適応型メトロポリス型アルゴリズムは真の後方分布に収束しないことを示す。 これはアダプティブ・サンプラーがチェーンの過去の履歴を用いて局所的/グローバル的共分散構造を推定し、適応的アルゴリズムが局所的モードに捕捉されるためである。 我々は,cKAMが後部分布の探索を奨励し,サンプルが適応手法の高性能を維持しつつ,局所モードから脱出できることを実証した。

関連論文リスト

• Sequential Kalman Tuning of the $t$-preconditioned Crank-Nicolson algorithm: efficient, adaptive and gradient-free inference for Bayesian inverse problems [1.3654846342364308]
  本稿では,EKI と Flow Annealed Kalman Inversion の適応的な実装を提案する。 EKIはガウス的目標測度と線形前方モデルにおいてのみ正確なものである。 標準SMCの適応に比べてコンバージェンス率が大きく改善した。
  論文  参考訳（メタデータ） (2024-07-10T15:56:30Z)
• Conditional Sampling of Variational Autoencoders via Iterated Approximate Ancestral Sampling [7.357511266926065]
  変分オートエンコーダ(VAE)の条件付きサンプリングは、データ計算の欠如など、様々なアプリケーションで必要とされるが、計算上は難解である。 基本的条件付きサンプリングはMetropolis-within-Gibbs (MWG)である
  論文  参考訳（メタデータ） (2023-08-17T16:08:18Z)
• Adaptive Annealed Importance Sampling with Constant Rate Progress [68.8204255655161]
  Annealed Importance Smpling (AIS)は、抽出可能な分布から重み付けされたサンプルを合成する。 本稿では,alpha$-divergencesに対する定数レートAISアルゴリズムとその効率的な実装を提案する。
  論文  参考訳（メタデータ） (2023-06-27T08:15:28Z)
• Adaptive Spot-Guided Transformer for Consistent Local Feature Matching [64.30749838423922]
  局所的特徴マッチングのための適応スポットガイド変換器(ASTR)を提案する。 ASTRは、統一された粗いアーキテクチャにおける局所的な一貫性とスケールのバリエーションをモデル化する。
  論文  参考訳（メタデータ） (2023-03-29T12:28:01Z)
• Adaptive Sampling for Probabilistic Forecasting under Distribution Shift [9.769524837609174]
  本稿では,予測に関係のある時系列履歴の一部を選択する適応型サンプリング戦略を提案する。 本研究では,本手法が分散シフトに適応し,ベースモデルの予測誤差を5つのデータセットのうち3つで著しく低減することを示す。
  論文  参考訳（メタデータ） (2023-02-23T09:16:54Z)
• Space-Fluid Adaptive Sampling by Self-Organisation [1.799933345199395]
  協調型適応サンプリングによる空間現象推定のための分散協調戦略を考案する。 我々の設計は、空間を競合する領域に動的に分割し、正確なアグリゲーション・サンプリングを提供するという考え方に基づいている。 本研究では,フィールドベース協調フレームワークにおける適応型サンプリングアルゴリズムを提案し,自己安定化と局所最適性を証明した。
  論文  参考訳（メタデータ） (2022-10-31T17:29:41Z)
• Langevin Monte Carlo for Contextual Bandits [72.00524614312002]
  Langevin Monte Carlo Thompson Sampling (LMC-TS) が提案されている。 提案アルゴリズムは,文脈的帯域幅の特別な場合において,最高のトンプソンサンプリングアルゴリズムと同じサブ線形残差を達成できることを示す。
  論文  参考訳（メタデータ） (2022-06-22T17:58:23Z)
• Variational Inference MPC using Normalizing Flows and Out-of-Distribution Projection [7.195824023358536]
  衝突のないナビゲーションのためのモデル予測制御(MPC)手法を提案する。 ロボットの力学と複雑な障害物測地の両方を考慮に入れた分布を学習する。 プロジェクション付きFlowMPPIは,分布内およびOOD環境において,最先端のMPCベースラインより優れていることを示す。
  論文  参考訳（メタデータ） (2022-05-10T04:43:15Z)
• Wrapped Distributions on homogeneous Riemannian manifolds [58.720142291102135]
  パラメータ、対称性、モダリティなどの分布の性質の制御は、フレキシブルな分布の族を生み出す。 変動型オートエンコーダと潜在空間ネットワークモデル内で提案した分布を利用して,我々のアプローチを実証的に検証する。
  論文  参考訳（メタデータ） (2022-04-20T21:25:21Z)
• Bayesian Structure Learning with Generative Flow Networks [85.84396514570373]
  ベイズ構造学習では、データから有向非巡回グラフ(DAG)上の分布を推定することに興味がある。 近年,ジェネレーティブ・フロー・ネットワーク(GFlowNets)と呼ばれる確率モデルのクラスが,ジェネレーティブ・モデリングの一般的なフレームワークとして紹介されている。 DAG-GFlowNetと呼ばれる本手法は,DAGよりも後方の正確な近似を提供する。
  論文  参考訳（メタデータ） (2022-02-28T15:53:10Z)
• 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)

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。