并行边缘化蒙特卡洛方法及其在条件路径采样中的应用
统计计算
2007-09-13 v1
摘要
蒙特卡洛采样方法往往受限于较长的相关时间。因此，这些方法必须运行许多步才能生成独立样本。本文提出了一种克服这一困难的方法。该方法利用快速平衡的粗粒度马尔可夫链 (coarse Markov chains) 中的信息，这些链对全系统的边缘分布进行采样。这是通过全链与辅助粗粒度链之间的交换实现的。文中展示了针对随机微分方程的桥接采样以及滤波/平滑问题的数值测试结果。
引用
@article{arxiv.0709.1721,
title = {Parallel marginalization Monte Carlo with applications to conditional path sampling},
author = {Jonathan Weare},
journal= {arXiv preprint arXiv:0709.1721},
year = {2007}
}