SMC$^2$ 中状态粒子数的自动自适应
统计计算
2022-10-24 v2 统计方法学
摘要
序列蒙特卡洛平方（SMC）方法可用于具有难解似然状态空间模型的参数推断。这些方法用无偏粒子滤波器估计量替代似然，类似于粒子马尔可夫链蒙特卡洛（MCMC）。与粒子 MCMC 一样，SMC 的效率极大依赖于似然估计量的方差，从而依赖于粒子滤波器中所用的状态粒子数。我们引入新颖的方法，利用期望平方跳跃距离触发自适应，来在 SMC 内自适应地选择状态粒子数，并改进 \citet{Chopin2012a} 的交换重要性采样方法，以用新状态粒子集替换当前状态粒子集。所得算法完全自动，并能显著改进现有方法。我们方法的代码可在 https://github.com/imkebotha/adaptive-exact-approximate-smc 获取。
引用
@article{arxiv.2201.11354,
title = {Automatically adapting the number of state particles in SMC$^2$},
author = {Imke Botha and Robert Kohn and Leah South and Christopher Drovandi},
journal= {arXiv preprint arXiv:2201.11354},
year = {2022}
}