論文の概要: Statistical Distance Based Deterministic Offspring Selection in SMC Methods

• arxiv url: http://arxiv.org/abs/2212.12290v1
• Date: Fri, 23 Dec 2022 12:45:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-26 16:37:13.799371
• Title: Statistical Distance Based Deterministic Offspring Selection in SMC Methods
• Title（参考訳）: SMC法における統計的距離に基づく決定論的子孫選択
• Authors: Oskar Kviman, Hazal Koptagel, Harald Melin, Jens Lagergren
• Abstract要約: 再サンプリング手法、あるいは子孫選択(offspring selection)のパフォーマンスは、最近は進歩していない。 そこで本研究では,KL(Kulback-Leibler)のばらつきとTV距離の最小化を目的とした,2つの決定論的子孫選択法を提案する。 SMCおよび粒子マルコフ連鎖モンテカルロ (pMCMC) では, 提案した子孫選択法は, 常に2つの最先端再サンプリング法よりも優れ, 好意的に比較される。
• 参考スコア（独自算出の注目度）: 2.457872341625575
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Over the years, sequential Monte Carlo (SMC) and, equivalently, particle filter (PF) theory has gained substantial attention from researchers. However, the performance of the resampling methodology, also known as offspring selection, has not advanced recently. We propose two deterministic offspring selection methods, which strive to minimize the Kullback-Leibler (KL) divergence and the total variation (TV) distance, respectively, between the particle distribution prior and subsequent to the offspring selection. By reducing the statistical distance between the selected offspring and the joint distribution, we obtain a heuristic search procedure that performs superior to a maximum likelihood search in precisely those contexts where the latter performs better than an SMC. For SMC and particle Markov chain Monte Carlo (pMCMC), our proposed offspring selection methods always outperform or compare favorably with the two state-of-the-art resampling schemes on two models commonly used as benchmarks from the literature.
• Abstract（参考訳）: 長年にわたって、シーケンシャル・モンテカルロ(SMC)と等価に、粒子フィルタ(PF)理論は研究者から大きな注目を集めてきた。 しかし,近年,サンプル選択と呼ばれる再サンプリング手法の性能は向上していない。 そこで本研究では,kl(kullback-leibler)の発散を最小化することを目的とした2つの決定論的オフスプリング選択法を提案する。 選択された子孫とジョイント分布との間の統計的距離を減少させることにより、後者がsmcよりも優れた文脈において、最大確率探索よりも優れたヒューリスティック探索手順を得る。 SMCおよび粒子マルコフ連鎖モンテカルロ (pMCMC) では, 提案する子孫選択法は, 文献のベンチマークとしてよく用いられる2つのモデルに対する2つの最先端再サンプリング方式よりも優れ, 好意的に比較できる。

関連論文リスト

• Variance Reduction of Resampling for Sequential Monte Carlo [0.0]
  再サンプリング方式は、シーケンシャルモンテカルロの低重量粒子を目標分布を表す高重量粒子に切り替える方法を提供する。 そこで本研究では,再サンプリングのための中央値エルゴディディティを持つ反復的決定論的領域を提案し,他の再サンプリング手法と比較して最も低い分散を実現した。
  論文  参考訳（メタデータ） (2023-09-10T17:25:43Z)
• Reverse Diffusion Monte Carlo [19.35592726471155]
  逆拡散モンテカルロ(rdMC)と呼ばれる新しいモンテカルロサンプリングアルゴリズムを提案する。 rdMCはマルコフ連鎖モンテカルロ(MCMC)法とは異なる。
  論文  参考訳（メタデータ） (2023-07-05T05:42:03Z)
• Score-based Source Separation with Applications to Digital Communication Signals [72.6570125649502]
  拡散モデルを用いた重畳音源の分離手法を提案する。 高周波(RF)システムへの応用によって、我々は、基礎となる離散的な性質を持つ情報源に興味を持っている。 提案手法は,最近提案されたスコア蒸留サンプリング方式のマルチソース拡張と見なすことができる。
  論文  参考訳（メタデータ） (2023-06-26T04:12:40Z)
• Improving multiple-try Metropolis with local balancing [0.0]
  MTM(Multi-try Metropolis)はマルコフ連鎖モンテカルロ法である。 我々は,この重み関数が高次元の病理行動を引き起こすことを理論的にも経験的にも示している。 そこで本稿では,Zanella (2020) の局所平衡分布に類似した重み関数の利用を提案する。
  論文  参考訳（メタデータ） (2022-11-21T16:14:17Z)
• Targeted Separation and Convergence with Kernel Discrepancies [61.973643031360254]
  カーネルベースの不一致測度は、(i)ターゲットPを他の確率測度から分離するか、(ii)Pへの弱収束を制御する必要がある。 本稿では, (i) と (ii) を保証するのに十分な,必要な新しい条件を導出する。 可分距離空間上のMDDに対して、ボヒナー埋め込み可測度を分離するカーネルを特徴づけ、すべての測度を非有界カーネルと分離するための単純な条件を導入する。
  論文  参考訳（メタデータ） (2022-09-26T16:41:16Z)
• Fitting Sparse Markov Models to Categorical Time Series Using Regularization [0.0]
  より一般的なアプローチはスパースマルコフモデル (SMM) と呼ばれ、任意の位数$m$のヒストリーがパーティションを形成する。 我々は,正規化を伴う凸クラスタリングを用いて,SMMを適合させるエレガントな手法を開発した。 本研究では,異なるウイルスに感染した個体から得られたゲノム配列の分類に本手法を適用した。
  論文  参考訳（メタデータ） (2022-02-11T07:27:16Z)
• Infrared and visible image fusion based on Multi-State Contextual Hidden Markov Model [8.882352437054736]
  赤外線および可視光画像融合のための多状態隠れマルコフモデル(MCHMM)を提案する。 実験により, 他の融合法と比較して, 提案手法は優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2022-01-26T03:53:26Z)
• 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)
• 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)
• Clustering Binary Data by Application of Combinatorial Optimization Heuristics [52.77024349608834]
  本稿では,2値データのクラスタリング手法について検討し,まず,クラスタのコンパクトさを計測するアグリゲーション基準を定義した。 近隣地域と人口動態最適化メタヒューリスティックスを用いた5つの新しいオリジナル手法が導入された。 準モンテカルロ実験によって生成された16のデータテーブルから、L1の相似性と階層的クラスタリング、k-means(メドイドやPAM)の1つのアグリゲーションの比較を行う。
  論文  参考訳（メタデータ） (2020-01-06T23:33:31Z)

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。