面向大规模推断问题的自适应扫描吉布斯采样器
机器学习
2018-01-30 v1
摘要
对于大规模在线推断问题，更新策略对性能至关重要。我们推导了一种自适应扫描吉布斯采样器，通过选择最优小批量尺寸来优化更新频率。我们通过将所提自适应批量大小吉布斯采样器与贝叶斯Lasso、狄利克雷过程混合模型（DPMM）及隐狄利克雷分配（LDA）图模型的坍缩吉布斯采样器进行比较，展示了其性能。
引用
@article{arxiv.1801.09144,
title = {Adaptive Scan Gibbs Sampler for Large Scale Inference Problems},
author = {Vadim Smolyakov and Qiang Liu and John W. Fisher},
journal= {arXiv preprint arXiv:1801.09144},
year = {2018}
}