一种用于无限维贝叶斯逆问题的无梯度子空间调整集成采样器

高维中尖锐后验的采样是一个具有挑战性的问题，尤其在似然梯度不可用时。在低至中等维度下，仿射不变方法——一类基于集成且无梯度的方法——已在采样集中后验方面取得成功。然而，集成成员数必须超过未知状态的维度，才能以正确分布为目标。相反，预条件Crank-Nicolson (pCN)算法在高维采样中取得成功，但当后验与先验差异显著时，样本变得高度相关。在本文中，我们以两种不同方式组合上述方法，试图寻找折衷。第一种方法涉及用当前集成的协方差膨胀pCN中的提议协方差，而第二种方法在持续自适应的低维子空间上执行近似仿射不变步，同时在其正交补上使用pCN。