一类网络模型的计算方法
摘要：解析部分观测网络模型的参数推断的精确计算方法 重要性取样和顺序蒙特卡罗方法用于近似固定参数值下的网络模型的似然函数 在重要性取样中，似然估计的相对方差通常随时间参数（即网络大小）呈指数增长。我们证明，在一定假设下，顺序蒙特卡罗方法的相对方差只能多项式增长。 为了进行参数估计，我们开发了粒子马尔可夫链蒙特卡罗算法来进行贝叶斯推断。这些算法在转换动态中使用了前述的顺序蒙特卡罗算法。这些方法在数值上得到了说明。
作者：Junshan Wang, Ajay Jasra, Maria De Iorio
论文ID：1306.4508
分类：Computation
分类简称：stat.CO
提交时间：2013-06-20