論文の概要: GIST: Gibbs self-tuning for locally adaptive Hamiltonian Monte Carlo
- arxiv url: http://arxiv.org/abs/2404.15253v1
- Date: Tue, 23 Apr 2024 17:39:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-24 12:53:16.027339
- Title: GIST: Gibbs self-tuning for locally adaptive Hamiltonian Monte Carlo
- Title(参考訳): GIST: 局所適応型ハミルトンモンテカルロのギブズ自習
- Authors: Nawaf Bou-Rabee, Bob Carpenter, Milo Marsden,
- Abstract要約: ハミルトン型モンテカルロサンプリング器の局所化チューニングのための,新しいフレキシブルなフレームワークを提案する。
経路長を適応的にサンプリングするために、ランダム化されたハミルトニアンモンテカルロ、No-U-Turn Sampler、Apogee-to-Apogee Path Samplerが特別な場合としてこの統合されたフレームワークに適合することを示す。
- 参考スコア(独自算出の注目度): 0.716879432974126
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a novel and flexible framework for localized tuning of Hamiltonian Monte Carlo samplers by sampling the algorithm's tuning parameters conditionally based on the position and momentum at each step. For adaptively sampling path lengths, we show that randomized Hamiltonian Monte Carlo, the No-U-Turn Sampler, and the Apogee-to-Apogee Path Sampler all fit within this unified framework as special cases. The framework is illustrated with a simple alternative to the No-U-Turn Sampler for locally adapting path lengths.
- Abstract(参考訳): 本稿では,各ステップの位置と運動量に基づいて,アルゴリズムのチューニングパラメータを条件付きでサンプリングすることにより,ハミルトン・モンテカルロ・サンプリング器の局所化チューニングのための新しいフレキシブルなフレームワークを提案する。
経路長を適応的にサンプリングするために、ランダム化されたハミルトニアンモンテカルロ、No-U-Turn Sampler、Apogee-to-Apogee Path Samplerが特別な場合としてこの統合されたフレームワークに適合することを示す。
このフレームワークは、経路長を局所的に適応するNo-U-Turn Samplerの簡単な代替策で説明されている。
関連論文リスト
- Parallel Affine Transformation Tuning of Markov Chain Monte Carlo [1.2277343096128712]
特に,サンプリング中のアフィン変換を適応的に学習するフレキシブルでユーザフレンドリなスキームを提案する。
提案手法とギブシアン極スライスサンプリングの組み合わせにより,比較的低い計算コストで高品質な試料が得られた。
論文 参考訳(メタデータ) (2024-01-29T21:06:25Z) - Gibbs Sampling the Posterior of Neural Networks [0.0]
ニューラルネットワークから派生した後部からのサンプリングについて検討する。
ネットワーク内での事前および後活動毎にノイズを付加する新しい確率モデルを提案する。
小型モデルでは、ギブス・サンプルラーは最先端のマルコフ・チェーンであるモンテ・カルロと同様のパフォーマンスを達成している。
論文 参考訳(メタデータ) (2023-06-05T09:26:38Z) - Joint Bayesian Inference of Graphical Structure and Parameters with a
Single Generative Flow Network [59.79008107609297]
本稿では,ベイジアンネットワークの構造上の結合後部を近似する手法を提案する。
サンプリングポリシが2フェーズプロセスに従う単一のGFlowNetを使用します。
パラメータは後部分布に含まれるため、これは局所確率モデルに対してより柔軟である。
論文 参考訳(メタデータ) (2023-05-30T19:16:44Z) - Auxiliary MCMC and particle Gibbs samplers for parallelisable inference
in latent dynamical systems [3.42658286826597]
我々はマルコフ連鎖モンテカルロ(MCMC)の2つの新しいクラスを導入し、潜在力学モデルの推論を行う。
カルマン検体を補助的に作成した最初のものは、マルコフ連鎖の状態に対応する走行軌跡の周りの線型ガウス状態空間モデル近似の発見に依存している。
第二に、補助粒子ギブスサンプリング器は、粒子ギブスに使用する補助ファインマン-カックモデルにおいて良い局所的提案を導出する。
論文 参考訳(メタデータ) (2023-03-01T07:53:58Z) - Sampled Transformer for Point Sets [80.66097006145999]
スパース変換器は、連続列列列関数の普遍近似器でありながら、自己アテンション層の計算複雑性を$O(n)$に下げることができる。
我々は、追加の帰納バイアスを伴わずに点集合要素を直接処理できる$O(n)$複雑性サンプリング変換器を提案する。
論文 参考訳(メタデータ) (2023-02-28T06:38:05Z) - Cyclical Kernel Adaptive Metropolis [0.5801044612920815]
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。
論文 参考訳(メタデータ) (2022-06-29T06:32:47Z) - 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) - Deterministic Gibbs Sampling via Ordinary Differential Equations [77.42706423573573]
本稿では,自律的ODEとツールを用いた決定論的測度保存ダイナミクスの一般構築について述べる。
我々は、ハイブリッドモンテカルロや他の決定論的サンプルが、我々の理論の特別な場合としてどのように従うかを示す。
論文 参考訳(メタデータ) (2021-06-18T15:36:09Z) - Invertible Flow Non Equilibrium sampling [10.068677972360318]
逆流非平衡サンプリング(InFine)
InFine は期待値、特に定数の正規化の偏りのない推定器を構成する。
Evidence Lower Bound (ELBO) を構築するために使用でき、新しい変分オートエンコーダ (VAE) クラスにつながります。
論文 参考訳(メタデータ) (2021-03-17T09:09:06Z) - Oops I Took A Gradient: Scalable Sampling for Discrete Distributions [53.3142984019796]
このアプローチは、多くの困難な設定において、ジェネリックサンプリングよりも優れていることを示す。
また,高次元離散データを用いた深部エネルギーモデルトレーニングのための改良型サンプリング器についても実演した。
論文 参考訳(メタデータ) (2021-02-08T20:08:50Z) - 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。