論文の概要: Regime-Switching Langevin Monte Carlo Algorithms
- arxiv url: http://arxiv.org/abs/2509.00941v1
- Date: Sun, 31 Aug 2025 17:18:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-04 15:17:03.473366
- Title: Regime-Switching Langevin Monte Carlo Algorithms
- Title（参考訳）: レジームスイッチング モンテカルロアルゴリズム
- Authors: Xiaoyu Wang, Yingli Wang, Lingjiong Zhu,
- Abstract要約: Langevin Monte Carlo (LMC) アルゴリズムは、ターゲット確率分布をサンプリングするMarkov Chain MonteMCMC (Markov Chain MonteMCMC) 法として人気がある。
我々は、レギュラースイッチングランゲヴィンダイナミクス(RSLD)とレギュラースイッチングキネティックランゲヴィンダイナミクス(RS-KLD)を提案する。
これらの離散化に基づいて、レギュラースイッチングランゲヴィンモンテカルロ(RS-LMC)アルゴリズムとレギュラースイッチングランゲバンモンテカルロ(RS-KLMC)アルゴリズムを導入する。
- 参考スコア（独自算出の注目度）: 8.014749318189851
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Langevin Monte Carlo (LMC) algorithms are popular Markov Chain Monte Carlo (MCMC) methods to sample a target probability distribution, which arises in many applications in machine learning. Inspired by regime-switching stochastic differential equations in the probability literature, we propose and study regime-switching Langevin dynamics (RS-LD) and regime-switching kinetic Langevin dynamics (RS-KLD). Based on their discretizations, we introduce regime-switching Langevin Monte Carlo (RS-LMC) and regime-switching kinetic Langevin Monte Carlo (RS-KLMC) algorithms, which can also be viewed as LMC and KLMC algorithms with random stepsizes. We also propose frictional-regime-switching kinetic Langevin dynamics (FRS-KLD) and its associated algorithm frictional-regime-switching kinetic Langevin Monte Carlo (FRS-KLMC), which can also be viewed as the KLMC algorithm with random frictional coefficients. We provide their 2-Wasserstein non-asymptotic convergence guarantees to the target distribution, and analyze the iteration complexities. Numerical experiments using both synthetic and real data are provided to illustrate the efficiency of our proposed algorithms.
- Abstract（参考訳）: Langevin Monte Carlo (LMC) アルゴリズムは、ターゲット確率分布をサンプリングするMarkov Chain Monte Carlo (MCMC) 手法として人気がある。
確率文学における状態スイッチング確率微分方程式に着想を得て、状態スイッチングランゲイン力学(RS-LD)と状態スイッチング運動ランゲイン力学(RS-KLD)を提案し、研究する。
これらの離散化に基づいて、ランダムなステップサイズを持つLCCおよびKLMCアルゴリズムとみなすことができるレシシシシシシシシシチュアスイッチングランゲインモンテカルロ(RS-LMC)アルゴリズムとレシシシシスイッチングランゲインモンテカルロ(RS-KLMC)アルゴリズムを導入する。
また,FRS-KLD(Frictional-regime-switchingetic Langevin dynamics)とその関連アルゴリズムであるFRS-KLMC(Frictional-Regime-switchingetic Langevin Monte Carlo)を提案する。
それらの2-ワッサーシュタイン非漸近収束保証を対象分布に提供し、反復複雑性を解析する。
提案アルゴリズムの効率性を示すために, 合成データと実データの両方を用いた数値実験を行った。
関連論文リスト
- Nonparametric learning of stochastic differential equations from sparse and noisy data [2.389598109913754]
強い構造仮定なしでデータから直接ドリフト関数を学習する。
我々は,新しいモンテカルロ法(SMC)を用いた期待最大化法(EM)アルゴリズムを開発した。
EM-SMC-RKHS法により、低データ状態における力学系のドリフト関数を正確に推定できる。
論文 参考訳（メタデータ） (2025-08-15T17:01:59Z) - Quantum Speedups for Markov Chain Monte Carlo Methods with Application to Optimization [12.054017903540194]
我々はマルコフ・チェイン・モンテカルロ法に対する証明可能な高速化を提供する量子アルゴリズムを提案する。
勾配推定のための新しい手法を導入することにより,従来のサンプリング器の複雑さが向上する。
論文 参考訳（メタデータ） (2025-04-04T17:44:22Z) - Non-Log-Concave and Nonsmooth Sampling via Langevin Monte Carlo Algorithms [15.718514510878896]
マルチモーダル性により低次元でもしばしば困難となるガウス混合などの非対数圏分布からの近似サンプリング問題について検討する。
我々はマルコフ連鎖モンテカルロ法(MCMC)を用いてこの課題を実行することに集中する。
論文 参考訳（メタデータ） (2023-05-25T12:28:26Z) - Formal Controller Synthesis for Markov Jump Linear Systems with
Uncertain Dynamics [64.72260320446158]
マルコフジャンプ線形系に対する制御器の合成法を提案する。
本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。
本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
論文 参考訳（メタデータ） (2022-12-01T17:36:30Z) - Quantum algorithm for stochastic optimal stopping problems with
applications in finance [60.54699116238087]
有名な最小二乗モンテカルロ (LSM) アルゴリズムは、線形最小二乗回帰とモンテカルロシミュレーションを組み合わせることで、最適停止理論の問題を解決する。
プロセスへの量子アクセス、最適な停止時間を計算するための量子回路、モンテカルロの量子技術に基づく量子LSMを提案する。
論文 参考訳（メタデータ） (2021-11-30T12:21:41Z) - Stochastic Gradient Langevin Dynamics Algorithms with Adaptive Drifts [8.36840154574354]
そこで我々は, ドリフト関数を偏り, サドル点からの脱出を促進させ, バイアスを過去のサンプルの勾配に応じて適応的に調整する, 適応的勾配勾配連鎖モンテカルロ(SGMCMC)アルゴリズムを提案する。
本稿では,提案アルゴリズムが既存のSGMCMCアルゴリズムよりも優れていることを示す。
論文 参考訳（メタデータ） (2020-09-20T22:03:39Z)
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。