Fugu-MT 論文翻訳(概要): Importance is Important: Generalized Markov Chain Importance Sampling Methods

論文の概要: Importance is Important: Generalized Markov Chain Importance Sampling Methods

arxiv url: http://arxiv.org/abs/2304.06251v2
Date: Wed, 02 Oct 2024 16:17:33 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-03 15:16:46.739205
Title: Importance is Important: Generalized Markov Chain Importance Sampling Methods
Title（参考訳）: 重要度:一般化マルコフ連鎖重要度サンプリング法
Authors: Guanxun Li, Aaron Smith, Quan Zhou,
Abstract要約: 我々は,任意のマルチトライトリメトロポリスアルゴリズムにおいて,提案を常に受け入れ,余分な計算コストを伴わずにバイアスを補正するために必要な重み付けを評価することができることを示した。本稿では、メトロポリス・ハスティングスフレームワークの外部にある離散空間上の別のMCMCサンプリング器を提案する。
参考スコア（独自算出の注目度）: 4.611170084430822
License:
Abstract: We show that for any multiple-try Metropolis algorithm, one can always accept the proposal and evaluate the importance weight that is needed to correct for the bias without extra computational cost. This results in a general, convenient, and rejection-free Markov chain Monte Carlo (MCMC) sampling scheme. By further leveraging the importance sampling perspective on Metropolis--Hastings algorithms, we propose an alternative MCMC sampler on discrete spaces that is also outside the Metropolis--Hastings framework, along with a general theory on its complexity. Numerical examples suggest that the proposed algorithms are consistently more efficient than the original Metropolis--Hastings versions.
Abstract（参考訳）: 我々は,任意のマルチトライトリメトロポリスアルゴリズムにおいて,提案を常に受け入れ,余分な計算コストを伴わずにバイアスを補正するために必要な重み付けを評価することができることを示した。これにより、一般的な、便利で、拒絶しないマルコフ連鎖モンテカルロ (MCMC) サンプリングスキームが得られる。さらに、メトロポリス-ハスティングスアルゴリズムにおける重要サンプリングの視点を活用することで、メトロポリス-ハスティングスフレームワークの外にある離散空間上の別のMCMCサンプリングと、その複雑さに関する一般的な理論を提案する。数値的な例は、提案アルゴリズムが元のメトロポリス・ハスティングス版よりも一貫して効率的であることを示唆している。

関連論文リスト

Covariance estimation using Markov chain Monte Carlo [2.209921757303168]
我々は、$pi$がポアンカーの不等式を満足し、その鎖がスペクトルギャップを持つ場合、MCMCを用いて同様のサンプル複雑性を達成できることを示した。凸体を均一にサンプリングするための等方的丸め手順に関する保証を提供する。
論文参考訳（メタデータ） (2024-10-22T16:27:29Z)
Markov chain Monte Carlo without evaluating the target: an auxiliary variable approach [9.426953273977496]
マルコフ連鎖モンテカルロアルゴリズムは単純な共通手順で統一することができる。我々は,新たなフレームワークの理論を開発し,それを既存のアルゴリズムに適用し,その結果を簡素化し拡張する。このフレームワークからいくつかの新しいアルゴリズムが登場し、合成データセットと実データセットの両方でパフォーマンスが改善された。
論文参考訳（メタデータ） (2024-06-07T20:06:23Z)
Exploring the Algorithm-Dependent Generalization of AUPRC Optimization with List Stability [107.65337427333064]
AUPRC(Area Under the Precision-Recall Curve)の最適化は、機械学習にとって重要な問題である。本研究では, AUPRC最適化の単依存一般化における最初の試行について述べる。 3つの画像検索データセットの実験は、我々のフレームワークの有効性と健全性に言及する。
論文参考訳（メタデータ） (2022-09-27T09:06:37Z)
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)
A Survey of Monte Carlo Methods for Parameter Estimation [0.0]
本稿では,信号処理応用における静的パラメータ推定のためのモンテカルロ法について検討する。 MCスキームの開発に関する歴史的注記も提供され、続いて基本MC法とリジェクションサンプリング(RS)アルゴリズムの簡潔な記述がなされている。
論文参考訳（メタデータ） (2021-07-25T14:57:58Z)
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)
Accelerating MCMC algorithms through Bayesian Deep Networks [7.054093620465401]
マルコフ・チェイン・モンテカルロ(MCMC)アルゴリズムは、複雑な確率分布のサンプリングにおいて、その汎用性のために一般的に用いられる。分布の次元が大きくなるにつれて、サンプリング空間を十分に探索する計算コストが困難になる。マルコフ連鎖の最初の提案としてベイズニューラルネットワークの結果を用いて適応MCMCを実行する方法を示す。
論文参考訳（メタデータ） (2020-11-29T04:29:00Z)
Adaptive Sampling for Best Policy Identification in Markov Decision Processes [79.4957965474334]
本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。最先端アルゴリズムの利点を論じ、解説する。
論文参考訳（メタデータ） (2020-09-28T15:22:24Z)
A Parallel Evolutionary Multiple-Try Metropolis Markov Chain Monte Carlo Algorithm for Sampling Spatial Partitions [0.0]
本研究では,空間状態空間内に存在する空間分割をサンプリングする進化的マルコフ連鎖モンテカルロ法(EMCMC)を提案する。提案アルゴリズムは, 大規模かつ複雑な状態空間トラバーサルとしての進化的アルゴリズム(EA)の利点と, 未知分布からのサンプリングのためのマルコフ・チェイン・モンテカルロアルゴリズムの理論的収束特性を組み合わせたものである。我々は,大規模並列アーキテクチャによる計算能力を活用して,EMCMCアルゴリズムの到達範囲をさらに拡大する。
論文参考訳（メタデータ） (2020-07-22T14:28:44Z)
Active Model Estimation in Markov Decision Processes [108.46146218973189]
マルコフ決定過程(MDP)をモデル化した環境の正確なモデル学習のための効率的な探索の課題について検討する。マルコフに基づくアルゴリズムは,本アルゴリズムと極大エントロピーアルゴリズムの両方を小サンプル方式で上回っていることを示す。
論文参考訳（メタデータ） (2020-03-06T16:17:24Z)
Batch Stationary Distribution Estimation [98.18201132095066]
サンプル遷移の組を与えられたエルゴードマルコフ鎖の定常分布を近似する問題を考える。与えられたデータに対する補正比関数の復元に基づく一貫した推定器を提案する。
論文参考訳（メタデータ） (2020-03-02T09:10:01Z)

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。