淬火、反截断、多重重要性采样
摘要：自适应重要性抽样是一种蒙特卡洛方法，它引入了一个建议分布来根据目标分布进行抽样。然而，校准建议分布对于实现效率至关重要，因此需要借助自适应算法来调整该分布。在本文中，我们提出了一种新的自适应重要性抽样方案，称为温度调节的反截断自适应多重重要性抽样（TAMIS）算法。我们结合了调节方案和一种称为反截断的权重的新非线性变换。为了提高效率，我们还关注不增加目标密度评估的数量。结果，我们的建议是一种自动调整的顺序算法，对于较差的初始建议具有鲁棒性，不需要梯度计算，并且与维度良好扩展。
作者：Gr''egoire Aufort and Pierre Pudlo and Denis Burgarella
论文ID：2205.01501
分类：Computation
分类简称：stat.CO
提交时间：2022-06-17