Fugu-MT 論文翻訳(概要): Automatic Rao-Blackwellization for Sequential Monte Carlo with Belief Propagation

論文の概要: Automatic Rao-Blackwellization for Sequential Monte Carlo with Belief Propagation

arxiv url: http://arxiv.org/abs/2312.09860v1
Date: Fri, 15 Dec 2023 15:05:25 GMT
ステータス: 処理完了
システム内更新日: 2023-12-18 15:16:48.789762
Title: Automatic Rao-Blackwellization for Sequential Monte Carlo with Belief Propagation
Title（参考訳）: 信念伝播を伴う逐次モンテカルロのラオ黒色化
Authors: Wa\"iss Azizian, Guillaume Baudart, Marc Lelarge
Abstract要約: 状態空間モデル(SSM)に関する具体的なベイズ予想は、一般には難解である。本稿では,信念の伝播を用いた閉形式解を可能な限り計算する混合推論アルゴリズムを提案する。
参考スコア（独自算出の注目度）: 4.956977275061968
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Exact Bayesian inference on state-space models~(SSM) is in general untractable, and unfortunately, basic Sequential Monte Carlo~(SMC) methods do not yield correct approximations for complex models. In this paper, we propose a mixed inference algorithm that computes closed-form solutions using belief propagation as much as possible, and falls back to sampling-based SMC methods when exact computations fail. This algorithm thus implements automatic Rao-Blackwellization and is even exact for Gaussian tree models.
Abstract（参考訳）: 状態空間モデル~(SSM) に関する厳密なベイズ予想は一般には難解であり、残念なことに、基本系列モンテカルロ~(SMC)法は複素モデルに対して正しい近似を与えない。本稿では,信念伝播を極力利用してクローズドフォーム解を計算し,正確な計算が失敗するとサンプリングに基づくsmc法にフォールバックする混合推論アルゴリズムを提案する。したがって、このアルゴリズムは自動ラオブラックウェル化を実装しており、ガウスツリーモデルにも正確である。

関連論文リスト

Online Variational Sequential Monte Carlo [49.97673761305336]
我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
論文参考訳（メタデータ） (2023-12-19T21:45:38Z)
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)
Bayesian Decision Trees Inspired from Evolutionary Algorithms [64.80360020499555]
我々は、マルコフ連鎖モンテカルロ(MCMC)を本質的に並列なアルゴリズムであるシーケンシャルモンテカルロ(SMC)に置き換えることを提案する。実験により、SMCと進化的アルゴリズム(EA)を組み合わせることで、MCMCの100倍のイテレーションでより正確な結果が得られることが示された。
論文参考訳（メタデータ） (2023-05-30T06:17:35Z)
Interfacing branching random walks with Metropolis sampling: constraint release in auxiliary-field quantum Monte Carlo [8.618234453116251]
マルコフ連鎖モンテカルロサンプリングを用いた分岐ランダムウォークのインタフェースを提案する。一般化されたメトロポリスアルゴリズムを用いて、分岐ランダムウォークによって生成された想像時間経路の選択部分をサンプリングする。
論文参考訳（メタデータ） (2023-05-16T16:12:56Z)
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)
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)
Parallel Stochastic Mirror Descent for MDPs [72.75921150912556]
無限水平マルコフ決定過程(MDP)における最適政策学習の問題を考える。リプシッツ連続関数を用いた凸プログラミング問題に対してミラー・ディクセントの変種が提案されている。このアルゴリズムを一般の場合において解析し,提案手法の動作中に誤差を蓄積しない収束率の推定値を得る。
論文参考訳（メタデータ） (2021-02-27T19:28:39Z)
Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
論文参考訳（メタデータ） (2020-11-18T16:40:45Z)
An adaptive Hessian approximated stochastic gradient MCMC method [12.93317525451798]
後方からのサンプリング中に局所的幾何情報を組み込む適応型ヘッセン近似勾配MCMC法を提案する。我々は,ネットワークの空間性を高めるために,等級に基づく重み付け法を採用する。
論文参考訳（メタデータ） (2020-10-03T16:22:15Z)
On the Convergence of Reinforcement Learning with Monte Carlo Exploring Starts [5.137144629366217]
基本的なシミュレーションに基づく強化学習アルゴリズムはモンテカルロ探索州 (MCES) 法である。最短経路問題としても知られる未計算コストの場合のこのアルゴリズムの収束性について検討する。副作用として、近似によく用いられるスーパーマリンゲール収束定理のバージョンの証明も提供する。
論文参考訳（メタデータ） (2020-07-21T16:19:09Z)
Connecting the Dots: Numerical Randomized Hamiltonian Monte Carlo with State-Dependent Event Rates [0.0]
連続目標分布に対するマルコフ連鎖モンテカルロ法に代わる,頑健で,使いやすく,計算的に高速な手法を提案する。提案アルゴリズムは、関連するベンチマークと比較して大きなスピードアップと安定性の向上をもたらす可能性がある。高品質なODEコードへのアクセスが保証され、提案手法は実装も使用も容易であり、高度に困難で高次元のターゲット分布に対しても有効である。
論文参考訳（メタデータ） (2020-05-04T06:23:13Z)

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。