马尔可夫跳跃过程及其扩展的快速MCMC抽样
摘要：马尔可夫跳跃过程（或连续时间马尔可夫链）是一类简单而重要的连续时间动态系统。在本文中，我们解决了在这些模型中，给定部分和有噪声的观测情况下，从路径的后验分布中进行模拟的问题。我们的方法是一个辅助变量吉布斯采样器，基于均匀化的思想。这通过交替采样给定当前路径的有限虚拟跳跃时间集合和给定现存和虚拟跳跃时间集合的新路径，使用标准的隐藏马尔可夫模型前向过滤-后向采样算法建立了一个路径上的马尔可夫链。我们的方法是精确的，不涉及时间离散化等近似方法。我们演示了我们的采样器如何自然地扩展到基于MJP的模型，如马尔可夫调制泊松过程和连续时间贝叶斯网络，并展示了与这些模型的最新MCMC采样器相比的显著计算优势。
作者：Vinayak Rao, Yee Whye Teh
论文ID：1208.4818
分类：Computation
分类简称：stat.CO
提交时间：2013-10-21