論文の概要: A Gibbs Sampler for Efficient Bayesian Inference in Sign-Identified SVARs
- arxiv url: http://arxiv.org/abs/2505.23542v2
- Date: Fri, 30 May 2025 21:22:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-03 11:30:18.414773
- Title: A Gibbs Sampler for Efficient Bayesian Inference in Sign-Identified SVARs
- Title（参考訳）: 符号同定SVARにおける効率よいベイズ推論のためのギブズサンプリング
- Authors: Jonas E. Arias, Juan F. Rubio-Ramírez, Minchul Shin,
- Abstract要約: 我々は,符号制限で同定された構造ベクトル自己回帰に基づく新しい推論アルゴリズムを開発した。
楕円スライスサンプリングをギブスサンプリング手法に組み込むことで,速度が劇的に向上することを示す。
- 参考スコア（独自算出の注目度）: 4.246657212475299
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We develop a new algorithm for inference based on structural vector autoregressions (SVARs) identified with sign restrictions. The key insight of our algorithm is to break apart from the accept-reject tradition associated with sign-identified SVARs. We show that embedding an elliptical slice sampling within a Gibbs sampler approach can deliver dramatic gains in speed and turn previously infeasible applications into feasible ones. We provide a tractable example to illustrate the power of the elliptical slice sampling applied to sign-identified SVARs. We demonstrate the usefulness of our algorithm by applying it to a well-known small-SVAR model of the oil market featuring a tight identified set, as well as to a large SVAR model with more than 100 sign restrictions.
- Abstract（参考訳）: 我々は,符号制約を識別した構造ベクトル自己回帰(SVAR)に基づく新しい推論アルゴリズムを開発した。
我々のアルゴリズムのキーとなる洞察は、符号識別されたSVARに関連する受け入れ拒否の伝統から切り離すことである。
楕円スライスサンプリングをギブスサンプリング手法に埋め込むことで,これまで実現できなかったアプリケーションを実現可能なものにすることができることを示す。
本稿では,符号識別SVARに適用した楕円スライスサンプリングのパワーを例示する。
本アルゴリズムは,100以上の符号制限を持つ大規模SVARモデルと同様に,密に識別されたセットを特徴とする石油市場の小型SVARモデルに適用することで,本アルゴリズムの有用性を実証する。
関連論文リスト
- 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) - Toward Certified Robustness Against Real-World Distribution Shifts [65.66374339500025]
我々は、データから摂動を学ぶために生成モデルを訓練し、学習したモデルの出力に関して仕様を定義する。
この設定から生じるユニークな挑戦は、既存の検証者がシグモイドの活性化を厳密に近似できないことである。
本稿では,古典的な反例誘導的抽象的洗練の概念を活用するシグモイドアクティベーションを扱うための一般的なメタアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-06-08T04:09:13Z) - iNNformant: Boundary Samples as Telltale Watermarks [68.8204255655161]
4つの試験されたマイクロアーキテクチャのいずれかを識別できる境界サンプルの集合を生成することができることを示す。
これらのセットは70dBよりも悪いピーク信号-雑音比のサンプルを含まないように構築することができる。
論文 参考訳（メタデータ） (2021-06-14T11:18:32Z) - Top-m identification for linear bandits [0.0]
薬物再購入への適用を動機として, 線形バンディットモデルにおける最大平均のm $ge$ 1アームの同定に取り組むための最初のアルゴリズムを提案する。
これらのアルゴリズムはgap-indexフォーカスアルゴリズム(gifa)のジェネリックファミリーに属し、線形バンドイットにおけるトップm識別に導入する。
論文 参考訳（メタデータ） (2021-03-18T08:04:45Z) - Foreseeing the Benefits of Incidental Supervision [83.08441990812636]
本稿では,実験を行なわずに,特定の目標タスクに対して,様々な種類の偶発信号の利点を定量化できるかどうかを考察する。
本稿では,PABI(PAC-Bayesian motivated informativeness measure)を提案する。
論文 参考訳（メタデータ） (2020-06-09T20:59:42Z) - Deep k-NN for Noisy Labels [55.97221021252733]
予備モデルのロジット層上での単純な$k$-nearest近傍フィルタリング手法により、ラベルの誤りを除去し、最近提案された多くの手法よりも正確なモデルを生成することができることを示す。
論文 参考訳（メタデータ） (2020-04-26T05:15:36Z) - Stochastic-Sign SGD for Federated Learning with Theoretical Guarantees [49.91477656517431]
量子化に基づく解法は、フェデレートラーニング(FL)において広く採用されている。
上記のプロパティをすべて享受する既存のメソッドはありません。
本稿では,SIGNSGDに基づく直感的かつ理論的に簡易な手法を提案し,そのギャップを埋める。
論文 参考訳（メタデータ） (2020-02-25T15:12:15Z)
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。