自适应序贝叶斯蒙特卡洛采样器
摘要：自适应马尔科夫链蒙特卡洛（MCMC）核的顺序蒙特卡洛（SMC）方法是一种在状态空间模型分析中广泛使用的工具，并且在需要通过模拟进行贝叶斯推断的情况下提供了一种替代方法。本文介绍了一种使用自适应MCMC核进行粒子动态的新型SMC方法。所提出的算法采用在线随机优化过程来选择最佳的MCMC核，并同时学习最佳调整参数。理论结果证明了该方法的合理性并给出了实施指导。基于混合模型的数据分析的实证结果表明，新的自适应SMC算法（ASMC）能够选择最佳的MCMC核并学习适当的缩放。在考虑的6个案例中，带有核选择的ASMC优于Haario等人的自适应MCMC算法（1998年）的5个案例。
作者：Paul Fearnhead and Benjamin M. Taylor
论文ID：1005.1193
分类：Computation
分类简称：stat.CO
提交时间：2010-05-11