지원이 겹치지 않을 때의 중요도 샘플링 개선
본 논문은 목표 분포와 샘플링 분포의 지원(support)이 서로 겹치지 않을 때 발생하는 높은 분산 문제를 해결하기 위해, “지원이 불균등한 중요도 샘플링”(US)이라는 새로운 추정기를 제안한다. US는 목표 지원에 속하는 샘플만을 이용해 중요도 가중치를 적용하고, 전체 추정값을 지원 비율 c 로 보정한다. 이 방법은 기존 중요도 샘플링(IS)보다 편향이 적고, 특히 c 이 작을 때(지원 차이가 클 때) 분산을 급격히 감소시킨다. 논문은 이론…
저자: Philip S. Thomas, Emma Brunskill
본 논문은 목표 확률분포 f와 샘플링 분포 g가 서로 다른 지원(support)을 가질 때, 기존 중요도 샘플링(IS)이 초래하는 높은 분산 문제를 해결하고자 새로운 추정기인 “지원이 불균등한 중요도 샘플링”(Importance Sampling with Unequal Support, US)을 제안한다.
**문제 정의와 기존 접근법**
목표 기대값 θ=E_f
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기