贝叶斯非参数模型的加速并行非共轭采样
摘要：贝叶斯非参数设置中的潜在特征模型推理通常很困难，特别是在高维设置中，因为通常需要根据某些先验分布提出特征。 在特殊情况下，当积分是可处理的时候，我们可以根据预测似然函数抽取新的特征分配。 我们提出了一种新颖的方法，通过根据数据而不是先验提出特征位置来加速潜在变量模型推理的混合。 首先，我们引入了一种加速特征提议机制，我们证明了它是一个有效的后验推理MCMC算法。 接下来，我们提出了一种近似推理策略以实现并行加速推理。 结合这两种方法的二阶段算法提供了一种计算上吸引人的方法，可以快速达到我们模型的后验分布的局部收敛，同时允许我们利用并行化。
作者：Michael Minyi Zhang, Sinead A. Williamson, Fernando Perez-Cruz
论文ID：1705.07178
分类：Machine Learning
分类简称：stat.ML
提交时间：2022-06-14