利用吉布斯自调将局部步长自适应纳入无U型转弯采样器
统计方法学
2025-08-29 v1 概率论
统计计算
摘要
在无U型转弯采样器（NUTS）中局部调整步长具有挑战性，因为步长和路径长度调参参数是相互依赖的。确定最优路径长度需要预定义的步长，而理想步长必须考虑所选路径上的误差。确保可逆性进一步使该调参问题复杂化。在本文中，我们提出了一种在NUTS中局部调整步长的方法，该方法是吉布斯自调（GIST）框架的一个实例。我们的方法保证了可逆性，其接受概率仅依赖于步长的条件分布。我们在Neal's funnel密度和高维正态分布上验证了步长自适应NUTS方法，证明了其在具有挑战性的场景中的有效性。
引用
@article{arxiv.2408.08259,
title = {Incorporating Local Step-Size Adaptivity into the No-U-Turn Sampler using Gibbs Self Tuning},
author = {Nawaf Bou-Rabee and Bob Carpenter and Tore Selland Kleppe and Milo Marsden},
journal= {arXiv preprint arXiv:2408.08259},
year = {2025}
}
备注
for companion code, see https://github.com/bob-carpenter/adaptive-hmc