迭代条件替换算法用于有条件指定的模型
摘要：基于样本的Gibbs采样器一直是近似联合分布的主要方法，从兼容的全条件分布中进行选择。然而，对于有条件指定的模型来说，兼容和非兼容的全条件分布的混合是现实存在的；但是，它们的更新顺序很难确定。我们提出了一种新的算法，即迭代条件替换(ICR)，它能够产生接近稳态分布的分布近似，完全不使用马尔可夫链。ICR始终收敛，并且产生互相稳定的分布，当条件分布是兼容的时候，它们之间相互一致。实例表明，ICR在质量上优于其他方法，同时更易于并行化，并且只需要很少的监测收敛的努力。最后，我们提出了一种集成方法来决定最终的模型。
作者：Kun-Lin Kuo and Yuchung J. Wang
论文ID：2307.00219
分类：Computation
分类简称：stat.CO
提交时间：2023-07-04