基于专家混合的自适应序贯蒙特卡洛方法
统计方法学
2012-10-12 v2 统计计算
机器学习
摘要
适当设计粒子滤波器的提议核是一个重要问题，因为糟糕的选择可能导致粒子样本退化，从而浪费计算资源。本文介绍了一种新算法，该算法通过具有逻辑权重的积分曲线指数分布混合来自适应地逼近所谓的最优提议核。这一族分布被称为专家混合，其范围足够广泛，可用于存在多模态或强偏态分布的情况。通过在线EM方法，该混合分布通过最小化粒子滤波器的辅助目标分布与工具分布之间的Kullback-Leibler散度来拟合最优核。在粒子滤波器的每次迭代中，该算法只需为整个粒子样本求解一个优化问题，从而得到一种仅具有线性复杂度的算法。此外，我们在模拟研究中说明了该方法如何成功应用于非线性状态空间模型的最优滤波。
引用
@article{arxiv.1108.2836,
title = {Adaptive sequential Monte Carlo by means of mixture of experts},
author = {J. Cornebise and E. Moulines and J. Olsson},
journal= {arXiv preprint arXiv:1108.2836},
year = {2012}
}
备注
24 pages, 9 figures, under revision