鲁棒的坐标上升变分推断与马尔科夫链蒙特卡洛模拟
摘要：变分推断是一种使用更容易处理的分布族来近似计算困难的后验密度的方法。变分推断是近似密度的已经研究很好的马尔可夫链蒙特卡洛（MCMC）方法的一种替代方法。每种算法都有利弊，是否存在两者结合的方法来减轻它们的缺点？我们提出了一种将坐标上升变分推断（CAVI）与MCMC结合的方法。这种被称为混合CAVI的新方法试图通过使用从短期MCMC燃烧期获得的矩估计的初始化来改善CAVI的初始化和收敛问题的敏感性。与CAVI不同，混合CAVI证明在后验不是条件共轭指数族时也很有效。
作者：Neil Dey and Emmett B. Kendall
论文ID：2203.12725
分类：Computation
分类简称：stat.CO
提交时间：2022-03-25