적응형 깁스 샘플러와 관련 MCMC 방법
본 논문은 선택 확률과 제안 분포를 실행 중에 자동으로 조정하는 적응형 깁스 및 Metropolis‑within‑Gibbs 알고리즘을 다룬다. 간단한 적응형 깁스 샘플러가 수렴에 실패할 수 있음을 보여주는 반례를 제시하고, 일정한 조건 하에서 적응형 깁스 샘플러가 에르고딕함을 보장하는 여러 정리를 증명한다.
저자: Krzysztof {L}atuszynski, Gareth O. Roberts, Jeffrey S. Rosenthal
본 논문은 고차원 확률 모델에서 효율적인 샘플링을 위해 선택 확률과 제안 분포를 동적으로 조정하는 적응형 Gibbs 및 Metropolis‑within‑Gibbs 알고리즘을 체계적으로 연구한다. 서론에서는 MCMC의 기본 원리와 전통적인 Gibbs 샘플러가 좌표 선택을 균등하게 수행하는 것이 고차원에서는 비효율적일 수 있음을 강조한다. 예시로 X=
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기