使用拟牛顿提议的相关伪边缘Metropolis-Hastings
统计计算
2018-07-30 v2 机器学习
摘要
伪边缘Metropolis-Hastings（pmMH）是一种用于从不易逐点求值的靶分布中采样的通用算法。然而，pmMH需要良好的提议分布以高效地从靶分布采样，这在实际中难以构造。对于高维靶分布，标准随机游走提议效率低下，此问题尤为突出。我们将pmMH扩展为允许基于多次过去迭代的信息构造提议。因此，可采用拟牛顿（qN）方法形成提议，利用梯度信息引导马尔可夫链走向高概率区域，并构造局部曲率的近似以缩放步长。所提方法在若干问题上的演示表明，qN提议可优于其他常见的基于Hessian的提议。
引用
@article{arxiv.1806.09780,
title = {Correlated pseudo-marginal Metropolis-Hastings using quasi-Newton proposals},
author = {Johan Dahlin and Adrian Wills and Brett Ninness},
journal= {arXiv preprint arXiv:1806.09780},
year = {2018}
}
备注
45 pages and 11 figures. Submitted to journal. Fixed typos