PulseAugur
中
实时 08:02:49
English(EN) Optimal scaling of MCMC algorithms: exploiting the symmetry of the Metropolis-Hastings formula

新方法利用Metropolis-Hastings对称性优化MCMC算法缩放

作者 PulseAugur 编辑部 · [2 个来源] ·

一篇新发表在arXiv上的论文详细介绍了一种优化Metropolised马尔可夫链蒙特卡洛（MCMC）算法在维度增加时的缩放特性的通用方法。该方法利用Metropolis-Hastings公式固有的对称性，为各种提议机制推导出新的最优缩放结果。该框架包含了随机游走Metropolis和MALA等算法的现有发现，同时也为基于隐式和微分方程积分器的提议提供了新颖的最优缩放。 AI

影响 这项研究可能导致更有效的机器学习采样方法，特别是在处理复杂的概率模型时。

排序理由 该集群包含一篇详细介绍MCMC算法新方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新方法利用Metropolis-Hastings对称性优化MCMC算法缩放

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · P. Dobson, J. M. Sanz-Serna, K. C. Zygalakis ·

    Optimal scaling of MCMC algorithms: exploiting the symmetry of the Metropolis-Hastings formula

    arXiv:2607.00586v1 Announce Type: cross Abstract: We present a simple, yet general approach to study the scaling properties as the dimensionality of Metropolised MCMC sampling algorithms increases. The study relies ultimately on the symmetry of the Metropolis-Hastings formula. Ou…

  2. arXiv cs.LG TIER_1 English(EN) · K. C. Zygalakis ·

    MCMC算法的最优缩放：利用Metropolis-Hastings公式的对称性

    We present a simple, yet general approach to study the scaling properties as the dimensionality of Metropolised MCMC sampling algorithms increases. The study relies ultimately on the symmetry of the Metropolis-Hastings formula. Our findings contain, as particular cases, many know…

相关实体

相关话题