带优化步的Metropolized算法(MAO)的混合时间：一个新框架
机器学习
2021-12-02 v1 机器学习
统计计算
摘要
在本文中，我们考虑从一类支撑于 且具有薄尾的分布中采样，并作出两项主要贡献。首先，我们提出一种新的带优化步的Metropolized算法(Metropolized Algorithm With Optimization Step, MAO)，其非常适用于此类目标分布。我们的算法能够对Metropolis-adjusted Langevin算法(MALA)不收敛或缺乏理论保证的分布进行采样。其次，我们推导了MAO混合时间的上界。我们的结果得到了多个目标分布上模拟实验的支持。
引用
@article{arxiv.2112.00565,
title = {On Mixing Times of Metropolized Algorithm With Optimization Step (MAO) : A New Framework},
author = {EL Mahdi Khribch and George Deligiannidis and Daniel Paulin},
journal= {arXiv preprint arXiv:2112.00565},
year = {2021}
}
备注
24 pages, 27 Figures, 4 Tables