用于状态空间模型高效推断的弹跳粒子采样器的时空分块
统计计算
2021-07-12 v2 统计方法学
摘要
我们提出了 [Bouchard-Côté et al., 2018] 连续时间弹跳粒子采样器的一种新型分块版本，适用于任意可微概率密度。该替代实现受状态空间模型的分块 Gibbs 采样 [Singh et al., 2017] 启发，并在每秒有效样本量方面带来显著改进，且进一步允许所得算法的大量并行化。新算法在高维状态空间模型的潜状态推断中尤为高效，其中空间与时间的分块对于避免 MCMC 退化是必要的。我们的分块弹跳粒子采样器相对于弹跳粒子采样器的标准实现以及 Andrieu et al. [2010] 的粒子 Gibbs 算法，其效率通过模拟数据和具有挑战性的真实世界金融数据集进行了数值说明。
引用
@article{arxiv.2101.03079,
title = {Spatiotemporal blocking of the bouncy particle sampler for efficient inference in state space models},
author = {Jacob Vorstrup Goldman and Sumeetpal Sidhu Singh},
journal= {arXiv preprint arXiv:2101.03079},
year = {2021}
}
备注
22 pages, 5 figures