高斯过程模型黎曼流形哈密顿蒙特卡洛的高效实现

Ulrich Paquet; Marco Fraccaro

高斯过程模型黎曼流形哈密顿蒙特卡洛的高效实现

机器学习 2018-10-30 v1 机器学习

作者: Ulrich Paquet , Marco Fraccaro

摘要

本技术报告给出了黎曼流形哈密顿蒙特卡洛（RMHMC）方法的伪代码，用于从 $N$ 维后验分布 $p(x|y)$ 中高效模拟采样，其中 $x \in R^N$ 取自高斯过程（GP）先验，且在给定 $x_n$ 时观测 $y_n$ 相互独立。文中提供了充分的技术与算法细节，以实现由 GP 先验导出的分布的 RMHMC。

关键词

黎曼流形哈密顿蒙特卡洛高斯过程后验采样马尔可夫链蒙特卡洛伪代码

引用

@article{arxiv.1810.11893,
  title  = {An Efficient Implementation of Riemannian Manifold Hamiltonian Monte Carlo for Gaussian Process Models},
  author = {Ulrich Paquet and Marco Fraccaro},
  journal= {arXiv preprint arXiv:1810.11893},
  year   = {2018}
}

备注

Technical report accompanying arXiv:1604.01972, "An Adaptive Resample-Move Algorithm for Estimating Normalizing Constants" (2016)

高斯过程模型黎曼流形哈密顿蒙特卡洛的高效实现

摘要

关键词

引用

备注

相关论文