高维度顺序蒙特卡洛方法的稳定性
摘要：大维度下序列蒙特卡罗（SMC）方法在从目标分布中采样的稳定性分析
在大维度下从目标分布$mathbb{R}^d$中采样的问题上，我们研究了序列蒙特卡罗（SMC）方法的稳定性。众所周知，使用单一重要性采样步骤，随着维度$d$的增加，所得目标分布的近似逐渐恶化，除非蒙特卡罗样本数量$N$以指数速度增长。我们证明通过引入一系列人工目标，从一个“简单”的密度开始，使用SMC方法从序列中采样，可以避免这种退化现象。使用这类具有固定样本数量的SMC方法，可以生成一种近似，其中有效样本大小（ESS）收敛到一个随机变量$varepsilon\_N$，当$d
ightarrowinfty$时，$1 作者：Alexandros Beskos, Dan Crisan and Ajay Jasra 论文ID：1103.3965 分类：Computation 分类简称：stat.CO 提交时间：2012-04-19