优化的种群蒙特卡洛方法
摘要：适应性重要性采样（AIS）方法越来越常用于贝叶斯推断中对分布和相关的难以计算的积分的近似。种群蒙特卡罗（PMC）算法是AIS方法的一个子类，因其适应性较强而被广泛采用。在本文中，我们提出了一种新算法，利用PMC框架的优势，并包括更高效的自适应机制，利用目标分布的几何信息。特别地，该新算法通过结合多功能重采样策略（即利用以前加权样本的信息）和先进的基于优化的方案来调整一组重要性密度（提议）的位置参数。在每次迭代中，通过一个预条件矩阵将目标分布的局部二阶信息合并到梯度方向上，作为一个缩放度量。采用阻尼牛顿方法以确保方案的稳健性。得到的度量也用于更新提议的规模参数。我们讨论了所提出方法的一些关键理论基础。最后，我们通过三个涉及具有挑战性分布的数值实例展示了所提方法的成功性能。
作者：V''ictor Elvira and ''Emilie Chouzenoux
论文ID：2204.06891
分类：Computation
分类简称：stat.CO
提交时间：2022-06-08