用归一化流提议改进独立的Metropolis-Hastings采样器的适应性
摘要：基于参数调整的自适应MCMC方法在计算复杂概率分布方面是一种强大的工具。然而，这类方法的性能严重依赖于正确调整的参数，其中大多数在给定的目标分布中难以事先知道，甚至不可能知道。自适应MCMC方法旨在解决这个问题，它允许在采样过程中基于链的先前样本更新参数，但同时需要进行新的理论分析以确保收敛性。在这项工作中，我们将自适应MCMC方法的收敛理论推广到基于参数化密度估计方法（称为归一化流）的新类方法。具体而言，我们考虑一个独立的Metropolis-Hastings抽样器，其中建议分布由一个归一化流表示，其参数使用随机梯度下降进行更新。我们在合成设置和物理场系统分析中探索了该过程的实际性能，并将其与自适应和非自适应的MCMC方法进行了比较。
作者：James A. Brofos, Marylou Gabri''e, Marcus A. Brubaker, Roy R. Lederman
论文ID：2110.13216
分类：Computation
分类简称：stat.CO
提交时间：2021-10-27