Zig-Zag采样器在序贯马尔可夫链蒙特卡罗中的应用
统计计算
2021-11-22 v1 机器学习
应用统计
机器学习
摘要
粒子滤波方法在非线性非高斯状态空间模型的序贯状态估计中被广泛应用。然而，传统的粒子滤波方法在高维状态空间模型中面临权值退化问题。目前已有许多方法用于改善高维状态空间模型中粒子滤波的性能。其中较为先进的方法是通过实现复合Metropolis-Hastings（MH）核来构建序贯马尔可夫链蒙特卡罗（SMCMC）框架。本文提出对Zig-Zag采样器进行离散化，并在SMCMC框架的复合MH核精化阶段中应用Zig-Zag采样器，该框架在联合抽取阶段实现了可逆粒子流。我们通过具有挑战性的复杂高维滤波算例的数值实验评估所提方法的性能。数值实验表明，在高维状态估计算例中，与最先进的滤波方法相比，所提方法提高了估计精度并提升了接受率。
引用
@article{arxiv.2111.10210,
title = {The Application of Zig-Zag Sampler in Sequential Markov Chain Monte Carlo},
author = {Yu Han and Kazuyuki Nakamura},
journal= {arXiv preprint arXiv:2111.10210},
year = {2021}
}