限制性折叠绘图：用于层次化中餐馆过程隐马尔可夫模型的准确采样
摘要：限制折叠抽样器：一种具有限制的分层中国餐馆过程的马尔可夫链蒙特卡罗采样器, 能够进行分层狄利克雷过程的同时抽样，并避免了在计算耦合抽样分布过程中组合爆炸导致的困难。通过构建座位安排（分区）的提案，并使用Metropolis-Hastings算法对提案进行随机接受，RCD采样器在保留HCRP表示的效率的同时，对复杂组合抽样进行准确采样。基于RCD采样器，我们开发了一系列高级采样算法用于iHMMs，包括封锁 Gibbs 采样、束采样和分裂-合并采样，这些算法在实验中表现优于传统的iHMM采样器。
作者：Takaki Makino, Shunsuke Takei, Issei Sato, Daichi Mochihashi
论文ID：1106.0474
分类：Machine Learning
分类简称：stat.ML
提交时间：2011-06-03