고차원에서의 순차적 몬테카를로 안정성 연구
본 논문은 차원 $d$가 크게 증가할 때, 고정된 입자 수 $N$을 사용한 순차적 몬테카를로(SMC) 알고리즘이 어떻게 안정적으로 동작할 수 있는지를 이론적으로 분석한다. 인공적인 중간 목표 분포들을 도입하고, $O(Nd^{2})$의 계산 비용으로 효과적인 샘플 크기(ESS)가 $d\to\infty$에서 $1<\varepsilon_{N}<N$인 비확률적 한계값으로 수렴함을 보인다. 또한, 제한된 횟수($m$)의 재샘플링을 추가하면 ESS는 $\…
저자: ** 정보가 제공되지 않음 (논문에 저자 명시가 없음) **
본 논문은 고차원($d\to\infty$)에서 순차적 몬테카를로(SMC) 방법의 안정성을 체계적으로 분석한다. 전통적인 단일 중요도 샘플링은 차원이 증가함에 따라 입자 수 $N$을 지수적으로 늘려야만 가중치 분산을 억제할 수 있다는 알려진 한계가 있다. 이를 극복하기 위해 저자들은 “브리징” 밀도 $\{\Pi_{n}\}_{n=0}^{p}$를 도입한다. 초기 밀도 $\Pi_{0}(x)=\Pi(x)^{\phi_{0}}$는 평탄하게 만들고, $\phi_{n}=\phi_{0}+n(1-\phi_{0})/d$ 로 정의해 $p=d$ 단계까지 점진적으로 목표 밀도 $\Pi$에 접근한다. 각 단계마다 마코프 전이 커널 $K_{n}$와 역전이 커널 $L_{n}$을 사용해 입자들을 전파하고, 가중치를 업데이트한다.
논문은 두 가지 주요 시나리오를 다룬다. 첫 번째는 재샘플링 없이 진행하는 경우이며, 두 번째는 제한된 횟수($m$)의 재샘플링을 포함한다.
1. **재샘플링 없이**:
- 입자 수 $N$를 고정하고 $d\to\infty$일 때, 효과적인 샘플 크기(ESS)가 확률변수 $\varepsilon_{N}$로 약하게 수렴한다. $\varepsilon_{N}$는 $1<\varepsilon_{N}
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기